| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-23页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 论文研究的背景 | 第10-11页 |
| 1.1.2 论文研究的意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 铁路客货运量预测方法综述 | 第12-13页 |
| 1.2.2 常用铁路客货运量预测方法介绍 | 第13-20页 |
| 1.3 主要内容与技术路线 | 第20-23页 |
| 1.3.1 主要内容 | 第20-22页 |
| 1.3.2 技术路线 | 第22-23页 |
| 第2章 铁路运输系统耦合度评价 | 第23-41页 |
| 2.1 耦合度的基本理论 | 第23-26页 |
| 2.1.1 耦合的基本原理 | 第23-24页 |
| 2.1.2 铁路运输系统与地区经济系统的耦合 | 第24-26页 |
| 2.2 铁路运输与地区经济系统的耦合评价模型 | 第26-32页 |
| 2.2.1 耦合度指标体系 | 第26-27页 |
| 2.2.2 指标权重的确定 | 第27-28页 |
| 2.2.3 耦合度模型 | 第28-29页 |
| 2.2.4 耦合协调度模型 | 第29-30页 |
| 2.2.5 系统协调发展趋势指数 | 第30-32页 |
| 2.3 案例分析 | 第32-38页 |
| 2.3.1 系统数据收集 | 第32-34页 |
| 2.3.2 评价指标权重确定 | 第34-35页 |
| 2.3.3 综合发展程度评价 | 第35-36页 |
| 2.3.4 耦合度评价 | 第36页 |
| 2.3.5 耦合协调度评价 | 第36-37页 |
| 2.3.6 系统协调发展趋势评价 | 第37-38页 |
| 2.4 铁路运输与地区经济系统耦合度评价的作用 | 第38-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 基于SVM多元回归的铁路客运周转量预测 | 第41-59页 |
| 3.1 SVM的理论基础 | 第41-49页 |
| 3.1.1 VC维理论 | 第41页 |
| 3.1.2 结构风险最小化 | 第41-43页 |
| 3.1.3 最优分类平面 | 第43-44页 |
| 3.1.4 SVM回归机 | 第44-47页 |
| 3.1.5 核函数 | 第47页 |
| 3.1.6 相关参数 | 第47-48页 |
| 3.1.7 支持向量机与BP神经网络比较 | 第48-49页 |
| 3.2 基于SVM多元回归的预测方法 | 第49-51页 |
| 3.2.1 数据采集及预处理 | 第49-50页 |
| 3.2.2 核函数和参数的选择 | 第50-51页 |
| 3.2.3 模型评价 | 第51页 |
| 3.3 基于SVM多元回归的铁路旅客周转量预测实验 | 第51-58页 |
| 3.3.1 基础数据处理与归一化 | 第52页 |
| 3.3.2 核函数以及参数选取 | 第52-55页 |
| 3.3.3 模型预测实验 | 第55-58页 |
| 3.4 本章小结 | 第58-59页 |
| 第4章 基于SVM自回归的铁路货物周转量预测 | 第59-72页 |
| 4.1 相关理论基础 | 第59-61页 |
| 4.1.1 时间序列分析 | 第59-60页 |
| 4.1.2 自回归模型 | 第60页 |
| 4.1.3 时间序列的曲线拟合 | 第60-61页 |
| 4.2 基于SVM自回归的预测模型 | 第61-63页 |
| 4.2.1 数据预处理 | 第61页 |
| 4.2.2 参数选择 | 第61-63页 |
| 4.2.3 模型训练和预测 | 第63页 |
| 4.3 基于SVM自回归的铁路货运量预测实验 | 第63-71页 |
| 4.3.1 基础数据预处理 | 第64页 |
| 4.3.2 核函数以及模型参数选取 | 第64-68页 |
| 4.3.3 模型预测实验 | 第68-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72-73页 |
| 5.2 不足与展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |