数据挖掘技术在我国铁路客运量预测中的应用
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 绪论 | 第10-16页 |
| ·选题背景及意义 | 第10-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·研究思路及方法 | 第15-16页 |
| 2 铁路客运量预测相关理论 | 第16-25页 |
| ·客运量预测的概念 | 第18-20页 |
| ·影响铁路客运量的因素 | 第20-22页 |
| ·预测方法分类 | 第22-25页 |
| ·按预测性质分类 | 第22-24页 |
| ·按预测角度分类 | 第24页 |
| ·预测方法的选用 | 第24-25页 |
| 3 数据挖掘技术相关理论分析 | 第25-34页 |
| ·数据挖掘的相关概念 | 第25-26页 |
| ·数据挖掘的功能特点 | 第26-28页 |
| ·数据挖掘的主要方法 | 第28-34页 |
| ·DM技术分类 | 第28-32页 |
| ·DM基本步骤 | 第32-34页 |
| 4 应用于铁路客运量预测的关键DM技术 | 第34-47页 |
| ·回归分析预测法 | 第34-35页 |
| ·时间序列预测法 | 第35-39页 |
| ·神经网络模型 | 第39-42页 |
| ·支持向量机技术 | 第42-47页 |
| 5 铁路客运量预测的实证研究 | 第47-74页 |
| ·线性回归-多元回归模型 | 第47-52页 |
| ·模型原理介绍 | 第47-48页 |
| ·建模应用分析 | 第48-52页 |
| ·时间序列分析-乘积ARIMA模型 | 第52-58页 |
| ·模型原理介绍 | 第52-54页 |
| ·建模应用分析 | 第54-58页 |
| ·神经网络-GRNN模型 | 第58-66页 |
| ·模型原理介绍 | 第58-63页 |
| ·建模应用分析 | 第63-66页 |
| ·最小二乘支持向量机-回归向量机SVR模型 | 第66-71页 |
| ·模型原理介绍 | 第66-68页 |
| ·建模应用分析 | 第68-71页 |
| ·模型对比分析 | 第71-74页 |
| 6 结论 | 第74-76页 |
| ·本论文的主要工作 | 第74-75页 |
| ·论文不足与未来展望 | 第75-76页 |
| 参考文献 | 第76-78页 |
| 作者简历 | 第78-80页 |
| 学位论文数据集 | 第80页 |
