| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 公交客流研究综述 | 第14-17页 |
| 1.2.2 EMD研究综述 | 第17-18页 |
| 1.2.3 相关研究评述 | 第18页 |
| 1.3 本文主要内容及结构安排 | 第18-21页 |
| 1.3.1 本文主要内容 | 第18-19页 |
| 1.3.2 本文结构安排 | 第19-21页 |
| 第二章 相关理论基础 | 第21-29页 |
| 2.1 公交客流相关理论 | 第21-22页 |
| 2.1.1 公交客流的内涵 | 第21-22页 |
| 2.1.2 公交客流的特点 | 第22页 |
| 2.2 EMD相关理论 | 第22-25页 |
| 2.2.1 EMD的基本原理 | 第22-24页 |
| 2.2.2 EEMD的基本原理 | 第24-25页 |
| 2.3 神经网络相关理论 | 第25-29页 |
| 2.3.1 神经网络的基本结构和特点 | 第25-26页 |
| 2.3.2 神经网络的分类 | 第26-27页 |
| 2.3.3 ELM神经网络 | 第27-29页 |
| 第三章 公交客流的波动分析 | 第29-43页 |
| 3.1 公交客流波动的统计分析 | 第29-37页 |
| 3.1.1 平常日公交客流波动的统计分析 | 第29-32页 |
| 3.1.2 节假日客流的周期规律分析 | 第32-37页 |
| 3.2 基于EEMD的公交客流波动分析 | 第37-42页 |
| 3.2.1 公交客流的EEMD分解 | 第37-38页 |
| 3.2.2 IMF分量的统计性描述 | 第38-39页 |
| 3.2.3 IMF分量的重构 | 第39-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 基于神经网络的短期公交客流量预测 | 第43-51页 |
| 4.1 BP神经网络的短期公交客流量预测 | 第44-46页 |
| 4.1.1 BP预测模型的参数设置 | 第44-45页 |
| 4.1.2 预测模型的实现 | 第45-46页 |
| 4.2 RBF神经网络的短期公交客流量预测 | 第46-48页 |
| 4.2.1 RBF预测模型的参数设置 | 第46-47页 |
| 4.2.2 预测模型的实现 | 第47-48页 |
| 4.3 ELM神经网络的短期公交客流量预测 | 第48-49页 |
| 4.3.1 ELM预测模型的参数设置 | 第48-49页 |
| 4.3.2 预测模型的实现 | 第49页 |
| 4.4 三种预测方法的比较与评价 | 第49-51页 |
| 第五章 基于EEMD-ELM的短期公交客流量组合预测 | 第51-61页 |
| 5.1 基于EEMD-ELM的组合预测模型的提出 | 第51-52页 |
| 5.2 组合预测模型的思路 | 第52-54页 |
| 5.2.1 客流量的EEMD分解 | 第52页 |
| 5.2.2 各分量的ELM模型预测 | 第52-54页 |
| 5.2.3 分量预测结果的叠加 | 第54页 |
| 5.3 西安某公交线路短期客流量的组合预测 | 第54-57页 |
| 5.4 组合预测模型的对比分析 | 第57-61页 |
| 第六章 总结和展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |