基于HHT的城际趟车客运量组合预测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第9-19页 |
| 1.1 研究目的及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 预测方法国内外研究现状 | 第10-13页 |
| 1.2.2 HHT国内外研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 研究的技术路线 | 第15-16页 |
| 1.5 组织结构及研究成果 | 第16-18页 |
| 1.6 小结 | 第18-19页 |
| 2 组合预测以及单项预测分析 | 第19-38页 |
| 2.1 组合预测的理论基础 | 第19页 |
| 2.2 组合预测概况 | 第19-26页 |
| 2.2.1 线性与非线性组合预测 | 第19-20页 |
| 2.2.2 串联与并联组合预测 | 第20页 |
| 2.2.3 最优与非最优组合预测 | 第20-22页 |
| 2.2.4 不变权与可变权组合预测 | 第22-26页 |
| 2.3 单项预测方法理论基础及概况 | 第26-34页 |
| 2.3.1 时间序列方法 | 第26-28页 |
| 2.3.2 神经网络方法 | 第28-31页 |
| 2.3.3 支持向量机方法 | 第31-34页 |
| 2.4 单项预测方法参数优化 | 第34-37页 |
| 2.4.1 模拟退火算法 | 第35页 |
| 2.4.2 遗传算法 | 第35-36页 |
| 2.4.3 鱼群算法 | 第36-37页 |
| 2.5 小结 | 第37-38页 |
| 3 HHT方法分析及模型建立 | 第38-49页 |
| 3.1 HHT方法理论基础 | 第38页 |
| 3.2 HHT方法概述 | 第38-40页 |
| 3.3 基于HHT的单项模型 | 第40-46页 |
| 3.3.1 基于HHT的时间序列模型 | 第41-42页 |
| 3.3.2 基于HHT的BP神经网络模型 | 第42-44页 |
| 3.3.3 基于HHT的支持向量回归机模型 | 第44-46页 |
| 3.4 基于HHT的组合预测模型 | 第46-48页 |
| 3.5 小结 | 第48-49页 |
| 4 基于HHT的组合预测方法应用 | 第49-70页 |
| 4.1 城际铁路概述 | 第49页 |
| 4.2 京津城际概况 | 第49页 |
| 4.3 京津城际的趟车客运量预测 | 第49-67页 |
| 4.3.1 数据处理 | 第50-51页 |
| 4.3.2 数值实验 | 第51-67页 |
| 4.4 预测结果分析 | 第67-69页 |
| 4.5 小结 | 第69-70页 |
| 5 结论及展望 | 第70-72页 |
| 5.1 论文的研究成果总结 | 第70页 |
| 5.2 展望 | 第70-71页 |
| 5.3 小结 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士期间的研究成果 | 第76页 |
