基于客流预测的城际高铁票额分配模型研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 选题背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 第二章 铁路客流量预测与票额分配 | 第19-31页 |
| 2.1 客流波动特征 | 第19-22页 |
| 2.2 短期客流量预测方法 | 第22-29页 |
| 2.2.1 统计学方法 | 第23-26页 |
| 2.2.2 人工智能方法 | 第26-28页 |
| 2.2.3 预测方法对比 | 第28-29页 |
| 2.3 票额分配方法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 铁路客流预测方法改进 | 第31-56页 |
| 3.1 小波包变换 | 第31-33页 |
| 3.2 深度循环神经网络原理及方法 | 第33-37页 |
| 3.2.1 基本原理 | 第33-34页 |
| 3.2.2 模型训练过程 | 第34-35页 |
| 3.2.3 标准LSTM神经网络的局限性 | 第35-37页 |
| 3.3 基于WPA-LSTM的客流预测模型设计 | 第37-50页 |
| 3.3.1 模型建立 | 第37-38页 |
| 3.3.2 小波包分解层数确定 | 第38-40页 |
| 3.3.3 优化器函数选取 | 第40-42页 |
| 3.3.4 激活函数选取 | 第42-44页 |
| 3.3.5 权重初始化类型函数选取 | 第44-45页 |
| 3.3.6 抽稀层节点去除比例确定 | 第45-48页 |
| 3.3.7 训练周期和批大小确定 | 第48-50页 |
| 3.4 实验分析 | 第50-55页 |
| 3.4.1 数据预处理 | 第50-51页 |
| 3.4.2 日客流总量 | 第51-53页 |
| 3.4.3 区间日客流量 | 第53-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 列车票额分配方法改进 | 第56-76页 |
| 4.1 基于基础客流需求的票额预分配 | 第56-57页 |
| 4.2 加权轮询动态票额分配 | 第57-66页 |
| 4.2.1 基本假设 | 第57-58页 |
| 4.2.2 模型建立 | 第58-60页 |
| 4.2.3 权重参数选取 | 第60-65页 |
| 4.2.4 惩罚因子选取 | 第65-66页 |
| 4.3 实验与分析 | 第66-75页 |
| 4.3.1 数据准备 | 第66-72页 |
| 4.3.2 客座率分析 | 第72-73页 |
| 4.3.3 公平性分析 | 第73-74页 |
| 4.3.4 收益分析 | 第74-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 全文总结 | 第76页 |
| 5.2 工作展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间的研究成果 | 第83页 |
