煤炭铁路物流需求预测模型研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-21页 |
| ·问题的提出 | 第11-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·国外研究现状 | 第13-14页 |
| ·国内研究现状 | 第14-18页 |
| ·研究内容及其路线 | 第18-21页 |
| ·研究内容 | 第18页 |
| ·研究路线 | 第18-19页 |
| ·研究方法 | 第19-21页 |
| 2 相关理论基础 | 第21-32页 |
| ·统计学习理论 | 第21-22页 |
| ·VC维理论 | 第21页 |
| ·推广性的界 | 第21页 |
| ·结构风险最小化(SRM)准则 | 第21-22页 |
| ·支持向量回归机 | 第22-26页 |
| ·支持向量回归机算法原理 | 第22-25页 |
| ·核函数 | 第25-26页 |
| ·BP神经网络 | 第26-28页 |
| ·网络结构及算法思想 | 第26页 |
| ·BP网络的学习 | 第26-28页 |
| ·网格搜索法 | 第28-29页 |
| ·粒子群优化算法 | 第29-31页 |
| ·算法原理 | 第29-31页 |
| ·算法特点 | 第31页 |
| ·本章小结 | 第31-32页 |
| 3 煤炭铁路物流需求影响因素的确定 | 第32-42页 |
| ·煤炭铁路物流需求影响因素选取原则 | 第32-33页 |
| ·煤炭铁路物流需求影响因素的定性分析与选取 | 第33-37页 |
| ·煤炭铁路物流需求影响因素的定性分析 | 第33-34页 |
| ·煤炭铁路物流需求影响因素的选取 | 第34-37页 |
| ·煤炭铁路物流需求影响因素的关联度分析 | 第37-41页 |
| ·灰色关联度分析模型 | 第37-38页 |
| ·灰关联分析模型应用 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 4 煤炭铁路物流需求预测模型建立 | 第42-50页 |
| ·基于PSO-SVR的煤炭铁路物流需求预测模型 | 第42-43页 |
| ·模型构建步骤 | 第42-43页 |
| ·模型工作流程图 | 第43页 |
| ·基于网格搜索-SVR的煤炭铁路物流需求预测模型 | 第43-45页 |
| ·模型构建步骤 | 第43-44页 |
| ·模型工作流程图 | 第44-45页 |
| ·BP神经网络模型 | 第45-47页 |
| ·模型构建步骤 | 第45-46页 |
| ·模型工作流程图 | 第46-47页 |
| ·煤炭铁路物流需求的组合预测模型 | 第47-48页 |
| ·基于SVM的非线性组合预测模型 | 第47-48页 |
| ·基于BP神经网络的非线性组合预测模型 | 第48页 |
| ·本章小结 | 第48-50页 |
| 5 煤炭铁路物流需求预测的实证分析 | 第50-65页 |
| ·样本数据的选择与预处理 | 第50-51页 |
| ·数据样本的选择 | 第50页 |
| ·数据指标的预处理 | 第50-51页 |
| ·基于各煤炭铁路物流需求预测模型的求解及结果分析 | 第51-60页 |
| ·基于PSO-SVR预测模型的求解 | 第51-54页 |
| ·基于网格搜索法-SVR预测模型的求解 | 第54-56页 |
| ·BP神经网络模型的求解 | 第56-58页 |
| ·基于组合预测模型的求解 | 第58-60页 |
| ·2012-2015年的煤炭铁路物流需求预测 | 第60-62页 |
| ·煤炭铁路物流发展建议 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 6 结论 | 第65-67页 |
| ·结论 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71-75页 |
| 作者简历 | 第75-77页 |
| 学位论文数据集 | 第77页 |
