基于双层分解和核函数极限学习机的城市轨道交通短时客流预测
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 国外短时交通预测研究现状 | 第14-16页 |
| 1.2.2 国内短时交通预测研究现状 | 第16-18页 |
| 1.2.3 国内外研究现状总结 | 第18页 |
| 1.3 研究内容与技术路线 | 第18-21页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 研究技术路线 | 第19-21页 |
| 2 轨道交通客流有效数据筛选与特征分析 | 第21-33页 |
| 2.1 轨道交通客流异常检测与校正模型 | 第21-24页 |
| 2.1.1 车站进站量分布拟合 | 第21-22页 |
| 2.1.2 AFC异常数据识别 | 第22-23页 |
| 2.1.3 AFC异常数据校正 | 第23-24页 |
| 2.2 北京市轨道交通客流异常检测与校正 | 第24-29页 |
| 2.2.1 基础数据与预处理 | 第24-25页 |
| 2.2.2 车站进站量正态分布验证 | 第25-27页 |
| 2.2.3 西直门进站量异常数据识别与校正 | 第27-29页 |
| 2.3 城市轨道交通客流时空特征分析 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3 城市轨道交通短时客流双层分解 | 第33-50页 |
| 3.1 完全总体经验模态分解 | 第33-37页 |
| 3.1.1 经验模态分解 | 第33-34页 |
| 3.1.2 完全总体经验模态分解 | 第34-37页 |
| 3.2 分解分量复杂性评价 | 第37-38页 |
| 3.3 变分模态分解 | 第38-41页 |
| 3.3.1 变分问题构造 | 第39-40页 |
| 3.3.2 变分问题求解 | 第40-41页 |
| 3.4 实例分析 | 第41-49页 |
| 3.4.1 西直门站CEEMDAN客流特征分析 | 第42-46页 |
| 3.4.2 西直门站各分量复杂性评价 | 第46-47页 |
| 3.4.3 西直门进站客流数据VMD分解 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 城市轨道交通短时客流预测 | 第50-69页 |
| 4.1 核函数极限学习机短时客流预测模型 | 第50-54页 |
| 4.1.1 极限学习机 | 第50-52页 |
| 4.1.2 核极限学习机 | 第52-54页 |
| 4.2 模拟退火-粒子群算法 | 第54-59页 |
| 4.2.1 粒子群算法 | 第54-56页 |
| 4.2.2 模拟退火算法 | 第56-57页 |
| 4.2.3 模拟退火-粒子群算法 | 第57-59页 |
| 4.3 城市轨道交通短时预测基础 | 第59-62页 |
| 4.3.1 输入数据预处理 | 第59-60页 |
| 4.3.2 预测模型输入变量选择 | 第60-61页 |
| 4.3.3 适应度函数 | 第61页 |
| 4.3.4 划分训练集、验证集和测试集 | 第61页 |
| 4.3.5 预测精度评价 | 第61-62页 |
| 4.4 实例分析 | 第62-68页 |
| 4.5 本章小结 | 第68-69页 |
| 5 结论与展望 | 第69-71页 |
| 5.1 研究结论 | 第69-70页 |
| 5.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第75-77页 |
| 学位论文数据集 | 第77页 |
