基于数据挖掘的铁路货运量预测应用研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及研究意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 研究内容与思路 | 第14-16页 |
| 第2章 铁路货运量预测数据仓库的构建 | 第16-30页 |
| 2.1 数据仓库与数据挖掘概述 | 第16-20页 |
| 2.1.1 数据仓库与OLAP | 第16-17页 |
| 2.1.2 数据挖掘 | 第17-20页 |
| 2.2 需求分析与数据准备 | 第20-25页 |
| 2.2.1 需求分析 | 第20页 |
| 2.2.2 原始数据来源 | 第20-22页 |
| 2.2.3 数据预处理 | 第22-25页 |
| 2.3 数据仓库设计 | 第25-29页 |
| 2.3.1 数据模型分析 | 第25-26页 |
| 2.3.2 事实表及维度表设计 | 第26-28页 |
| 2.3.3 基于SQL的多维数据集构建 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 铁路货运量预测模型 | 第30-44页 |
| 3.1 铁路货运量月度预测模型 | 第30-37页 |
| 3.1.1 数据展示 | 第30-32页 |
| 3.1.2 霍尔特-温特斯模型 | 第32-34页 |
| 3.1.3 ARIMA模型 | 第34-37页 |
| 3.2 铁路货运量年度预测模型 | 第37-43页 |
| 3.2.1 数据展示 | 第37-38页 |
| 3.2.2 时间序列-指数平滑模型 | 第38-39页 |
| 3.2.3 BP神经网络模型 | 第39-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 铁路货运量预测实证研究 | 第44-69页 |
| 4.1 铁路货运量月度预测实证研究 | 第44-62页 |
| 4.1.1 霍尔特-温特斯模型实证 | 第44-49页 |
| 4.1.2 SARIMA模型实证 | 第49-60页 |
| 4.1.3 模型评价 | 第60-62页 |
| 4.2 铁路货运量年度预测实证研究 | 第62-68页 |
| 4.2.1 时间序列-指数平滑模型实证 | 第62-64页 |
| 4.2.2 BP神经网络模型实证 | 第64-68页 |
| 4.2.3 模型评价 | 第68页 |
| 4.3 本章小结 | 第68-69页 |
| 结论与展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录1 | 第76-78页 |
| 附录2 | 第78-80页 |
| 攻读硕士期间发表的论文及科研成果 | 第80页 |
