基于深度时空残差网络的航班需求预测方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的及意义 | 第12-13页 |
| 1.3 研究现状 | 第13-14页 |
| 1.4 主要研究内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 2 相关理论基础 | 第16-30页 |
| 2.1 时间序列相关概念 | 第16-18页 |
| 2.1.1 时间序列 | 第16-17页 |
| 2.1.2 时间序列分析 | 第17-18页 |
| 2.2 神经网络相关概念 | 第18-29页 |
| 2.2.1 人工神经网络概述 | 第19-21页 |
| 2.2.2 长短时记忆网络 | 第21-23页 |
| 2.2.3 卷积神经网络 | 第23-27页 |
| 2.2.4 深度残差学习 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 航班需求预测模型及算法 | 第30-40页 |
| 3.1 问题定义 | 第30-32页 |
| 3.2 总体思路与模型框架 | 第32-35页 |
| 3.3 基于卷积的残差网络结构 | 第35-37页 |
| 3.3.1 卷积 | 第35-36页 |
| 3.3.2 残差单元 | 第36-37页 |
| 3.4 外部因素网络结构 | 第37页 |
| 3.5 基于参数矩阵融合机制的融合结构 | 第37-38页 |
| 3.6 算法和优化 | 第38-39页 |
| 3.7 本章小结 | 第39-40页 |
| 4 实验及结果分析 | 第40-60页 |
| 4.1 数据处理 | 第40-45页 |
| 4.1.1 原始数据概述 | 第40-42页 |
| 4.1.2 数据预处理 | 第42-45页 |
| 4.2 实验平台介绍 | 第45-46页 |
| 4.3 实验参数设置 | 第46页 |
| 4.4 实验评价指标 | 第46-47页 |
| 4.5 不同变量对比实验及结果分析 | 第47-54页 |
| 4.5.1 不同网络结构的影响 | 第47-48页 |
| 4.5.2 不同网络超参的影响 | 第48-51页 |
| 4.5.3 不同数据特性的影响 | 第51-54页 |
| 4.6 基本方法对比实验及结果分析 | 第54-59页 |
| 4.7 本章小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第66-68页 |
| 学位论文数据集 | 第68页 |
