| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题的研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 主要研究内容及组织结构 | 第12-14页 |
| 2 LS-SVM预测模型 | 第14-22页 |
| 2.1 统计学理论基础 | 第14-15页 |
| 2.2 最小二乘支持向量机原理 | 第15-17页 |
| 2.3 基于小波核的LS-SVM预测模型 | 第17-21页 |
| 2.4 小结 | 第21-22页 |
| 3 基于MCPSO改进LS-WSVM的预测模型 | 第22-33页 |
| 3.1 粒子群算法 | 第22-24页 |
| 3.2 混沌粒子群算法 | 第24-27页 |
| 3.3 带极值变异的混沌粒子群算法 | 第27-30页 |
| 3.4 性能测试与分析 | 第30-31页 |
| 3.5 小结 | 第31-33页 |
| 4 城市轨道交通客流研究 | 第33-39页 |
| 4.1 城市轨道交通客流概述 | 第33页 |
| 4.2 城市轨道交通客流特性 | 第33-37页 |
| 4.2.1 客流量的模型应用 | 第33-34页 |
| 4.2.2 数据聚类分析处理 | 第34-36页 |
| 4.2.3 数据样本预处理 | 第36-37页 |
| 4.2.4 评价指标及方法应用 | 第37页 |
| 4.3 小结 | 第37-39页 |
| 5 城市轨道交通客流量预测 | 第39-49页 |
| 5.1 客流量数据说明 | 第39-40页 |
| 5.2 基于PSO-LSWSVM的客流量预测模型 | 第40-42页 |
| 5.3 改进CPSO-LSWSVM的客流量预测研究 | 第42-43页 |
| 5.4 优化MCPSO-LSWSVM的客流量预测研究 | 第43-44页 |
| 5.5 客流量预测模型结果分析 | 第44-47页 |
| 5.6 小结 | 第47-49页 |
| 6 城市轨道交通突发大客流预测 | 第49-55页 |
| 6.1 大客流概述及特征 | 第49-50页 |
| 6.2 大客流量数据处理 | 第50-51页 |
| 6.3 三种客流量预测模型 | 第51-52页 |
| 6.4 三种客流量预测模型结果分析 | 第52-54页 |
| 6.5 小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间的研究成果 | 第61页 |