| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-26页 |
| 1.1 选题背景与研究意义 | 第12-13页 |
| 1.1.1 选题背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 研究对象 | 第13-14页 |
| 1.3 国内外文献综述 | 第14-23页 |
| 1.3.1 票卡管理研究现状 | 第14-16页 |
| 1.3.2 票卡数据研究现状 | 第16-17页 |
| 1.3.3 时序数据挖掘研究现状 | 第17-22页 |
| 1.3.4 研究现状评述 | 第22-23页 |
| 1.4 研究内容与技术路线 | 第23-25页 |
| 1.4.1 主要研究内容 | 第23-24页 |
| 1.4.2 技术路线 | 第24-25页 |
| 1.5 本章小结 | 第25-26页 |
| 2 回收类票卡历史数据及循环过程研究 | 第26-38页 |
| 2.1 回收类票卡数据类型及定义 | 第26-27页 |
| 2.2 回收类票卡历史数据统计分析 | 第27-34页 |
| 2.2.1 回收类票卡流动量数据统计分析 | 第27-31页 |
| 2.2.2 回收类票卡销售量数据统计分析 | 第31-33页 |
| 2.2.3 回收类票卡使用比例数据统计分析 | 第33-34页 |
| 2.3 回收类票卡数据基本特征 | 第34-35页 |
| 2.4 回收类票卡循环过程研究 | 第35-37页 |
| 2.4.1 回收类票卡循环过程 | 第35-37页 |
| 2.4.2 存在问题及改进方向 | 第37页 |
| 2.5 本章小结 | 第37-38页 |
| 3 基于DM的回收类票卡存量预测建模研究 | 第38-66页 |
| 3.1 预测模型方法基础 | 第38-45页 |
| 3.1.1 时间序列建模方法 | 第38-41页 |
| 3.1.2 模糊信息粒化方法 | 第41-42页 |
| 3.1.3 SVR建模方法 | 第42-45页 |
| 3.2 存量预测建模思路 | 第45-47页 |
| 3.3 数据选取及预处理 | 第47页 |
| 3.4 误差评价指标 | 第47-48页 |
| 3.5 回收类票卡短期预测建模 | 第48-56页 |
| 3.5.1 单一ARIMA预测模型 | 第48-50页 |
| 3.5.2 单一SVR预测模型 | 第50-52页 |
| 3.5.3 ARIMA-SVR组合预测模型 | 第52-55页 |
| 3.5.4 模型预测效果评价 | 第55-56页 |
| 3.6 回收类票卡变化空间组合预测建模 | 第56-64页 |
| 3.6.1 变化空间模糊信息粒化-SVR组合预测模型 | 第56-60页 |
| 3.6.2 变化空间ARIMA-模糊信息粒化SVR组合预测模型 | 第60-62页 |
| 3.6.3 模型预测效果评价 | 第62-64页 |
| 3.7 基于DM的回收类票卡存量预测建模 | 第64-65页 |
| 3.8 本章小结 | 第65-66页 |
| 4 城市轨道交通回收类票卡调配平衡研究 | 第66-76页 |
| 4.1 基于存量预测的票卡调配量确定 | 第66页 |
| 4.2 票卡调配过程研究 | 第66-70页 |
| 4.2.1 票卡调配周期 | 第67-69页 |
| 4.2.2 票卡调配方式 | 第69-70页 |
| 4.2.3 票卡调配流程 | 第70页 |
| 4.3 票卡调配模型的构建 | 第70-73页 |
| 4.3.1 文献和模型基础 | 第70-71页 |
| 4.3.2 路径选择 | 第71-72页 |
| 4.3.3 票卡调配问题建模 | 第72-73页 |
| 4.4 票卡调配模型的求解 | 第73-75页 |
| 4.5 本章小结 | 第75-76页 |
| 5 案例分析 | 第76-84页 |
| 5.0 案例描述 | 第76-77页 |
| 5.1 调配模型建立 | 第77-78页 |
| 5.2 模型求解 | 第78-81页 |
| 5.2.1 问题转化 | 第78页 |
| 5.2.2 运价表确定 | 第78-80页 |
| 5.2.3 表上作业法求解 | 第80-81页 |
| 5.3 方案分析 | 第81-83页 |
| 5.4 本章小结 | 第83-84页 |
| 6 结论与展望 | 第84-86页 |
| 6.1 主要研究成果 | 第84-85页 |
| 6.2 未来展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 附录A | 第90-92页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第92-96页 |
| 学位论文数据集 | 第96页 |