摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-17页 |
1.1 研究背景 | 第10页 |
1.2 研究的目的与意义 | 第10-11页 |
1.3 水上交通事故预测的国内外研究现状 | 第11-14页 |
1.3.1 国外研究现状 | 第12页 |
1.3.2 国内研究现状 | 第12-14页 |
1.4 研究内容与技术路线 | 第14-17页 |
第2章 水上交通事故预测方法研究 | 第17-27页 |
2.1 事故预测理论 | 第17-18页 |
2.1.1 水上交通事故预测含义 | 第17页 |
2.1.2 事故预测要求 | 第17-18页 |
2.2 水上交通事故预测方法概述 | 第18-22页 |
2.2.1 回归分析预测 | 第18-19页 |
2.2.2 事故时间序列预测 | 第19-20页 |
2.2.3 灰色理论预测 | 第20页 |
2.2.4 马尔可夫预测 | 第20-21页 |
2.2.5 神经网络预测 | 第21-22页 |
2.3 组合预测 | 第22-26页 |
2.3.1 组合预测理论 | 第22-23页 |
2.3.2 权系数确定 | 第23-24页 |
2.3.3 模型评价准则 | 第24-25页 |
2.3.4 水上交通事故组合预测方法 | 第25-26页 |
2.4 本章小结 | 第26-27页 |
第3章 集成DEMATEL-ISM-ANP的水上交通事故影响因素分析 | 第27-48页 |
3.1 水上交通事故影响因素分析 | 第27-32页 |
3.1.1 人为因素 | 第27-28页 |
3.1.2 船舶因素 | 第28-29页 |
3.1.3 环境因素 | 第29-32页 |
3.1.4 管理因素 | 第32页 |
3.2 集成的DEMATEL-ISM-ANP结构模型的构建 | 第32-41页 |
3.2.1 ISM方法 | 第33-34页 |
3.2.2 DEMATEL方法 | 第34-36页 |
3.2.3 ANP方法 | 第36-38页 |
3.2.4 集成的DEMATEL-ISM-ANP方法 | 第38-41页 |
3.3 集成的DEMATEL-ISM-ANP结构模型应用分析 | 第41-47页 |
3.3.1 模型计算 | 第41-45页 |
3.3.2 结果分析 | 第45-47页 |
3.4 本章小结 | 第47-48页 |
第4章 基于IOWA算子的组合预测模型的构建 | 第48-61页 |
4.1 单预测模型选取 | 第48页 |
4.2 多元灰色预测模型MGM(1,n) | 第48-55页 |
4.2.1 多元灰色预测模型的影响因素指标选取 | 第48-49页 |
4.2.2 灰色关联分析 | 第49-50页 |
4.2.3 多元灰色预测模型建模 | 第50-53页 |
4.2.4 基于背景值优化的水上交通事故多元灰色预测模型 | 第53-55页 |
4.3 SARIMA时间序列预测模型 | 第55-57页 |
4.4 基于IOWA算子的组合预测模型 | 第57-60页 |
4.4.1 IOWA算子 | 第57-58页 |
4.4.2 组合预测模型建立 | 第58页 |
4.4.3 基于IOWA-MC的组合预测模型 | 第58-60页 |
4.5 本章小结 | 第60-61页 |
第5章 水上交通事故组合预测的实例应用 | 第61-74页 |
5.1 多元灰色预测模型MGM(1,4) | 第61-65页 |
5.1.1 预测模型参数选取 | 第61页 |
5.1.2 关联度分析 | 第61-62页 |
5.1.3 背景值优化的多元灰色预测模型MGM(1,4) | 第62-65页 |
5.2 SARIMA时间序列预测 | 第65-68页 |
5.2.1 事故序列平稳性预处理 | 第65-67页 |
5.2.2 模型识别 | 第67页 |
5.2.3 模型检验与预测 | 第67-68页 |
5.3 组合预测 | 第68-72页 |
5.4 模型评价 | 第72-73页 |
5.5 未来预测 | 第73页 |
5.6 本章小结 | 第73-74页 |
第6章 结论与展望 | 第74-76页 |
6.1 研究结论 | 第74-75页 |
6.2 创新点 | 第75页 |
6.3 研究展望 | 第75-76页 |
致谢 | 第76-77页 |
参考文献 | 第77-83页 |
攻读硕士期间取得的研究成果 | 第83-84页 |
附录A | 第84-87页 |
附录B | 第87-88页 |