基于站点聚类的公共自行车系统需求量预测
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-14页 |
| 1.1 研究背景及意义 | 第6-9页 |
| 1.1.1 研究背景 | 第6-7页 |
| 1.1.2 研究意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 调度需求量预测研究现状 | 第10-11页 |
| 1.2.2 研究现状中存在的问题 | 第11-12页 |
| 1.3 本文主要工作 | 第12-14页 |
| 2 基础理论与相关技术 | 第14-20页 |
| 2.1 周期性差分自回归移动平均模型SARIMA | 第14-15页 |
| 2.2 贝叶斯网络BN | 第15-17页 |
| 2.3 Lasso回归 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 数据处理和预测模型框架 | 第20-30页 |
| 3.1 数据处理 | 第20-22页 |
| 3.1.1 公共自行车系统数据集 | 第20-22页 |
| 3.1.2 气象数据集 | 第22页 |
| 3.2 数据分析 | 第22-27页 |
| 3.3 预测框架 | 第27-28页 |
| 3.3.1 符号定义 | 第27页 |
| 3.3.2 模型框架 | 第27-28页 |
| 3.4 本章小结 | 第28-30页 |
| 4 系统详细介绍 | 第30-48页 |
| 4.1 站点聚类 | 第30-34页 |
| 4.1.1 数据集分析 | 第30-31页 |
| 4.1.2 聚类算法实现 | 第31-34页 |
| 4.2 时序模型 | 第34-41页 |
| 4.2.1 SARIMA建模过程 | 第36-37页 |
| 4.2.2 SARIMA模型的实现 | 第37-41页 |
| 4.3 时空依赖模型 | 第41-47页 |
| 4.3.1 区域间依赖性建模 | 第42-43页 |
| 4.3.2 天气和节假日建模 | 第43-44页 |
| 4.3.3 Lasso回归实现 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 实验分析 | 第48-55页 |
| 5.1 实验 | 第48-49页 |
| 5.2 性能评估 | 第49-52页 |
| 5.3 案例分析 | 第52-53页 |
| 5.4 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-62页 |
