| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景和意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 研究内容与结构安排 | 第17-19页 |
| 第二章 相关理论基础 | 第19-24页 |
| 2.1 游客行为分析 | 第19-20页 |
| 2.1.1 高峰指数 | 第19页 |
| 2.1.2 季节性(时间)强度指数 | 第19-20页 |
| 2.2 空间聚类 | 第20页 |
| 2.3 时空序列数据预测模型 | 第20-23页 |
| 2.3.1 神经网络原理 | 第21页 |
| 2.3.2 时空神经网络原理 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于聚类的分时缆车客流时空分布特征分析研究 | 第24-43页 |
| 3.1 时空分布特征分析方法 | 第24-25页 |
| 3.2 时间分布分析 | 第25页 |
| 3.3 空间分布分析 | 第25-26页 |
| 3.4 时空分布规律 | 第26-27页 |
| 3.5 案例分析 | 第27-42页 |
| 3.5.1 时间分布分析 | 第28-31页 |
| 3.5.2 空间分布分析 | 第31-41页 |
| 3.5.3 时空分布规律 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于时空神经网络的分时缆车客流预测研究 | 第43-67页 |
| 4.1 基于时空神经网络的预测方法 | 第43-45页 |
| 4.2 时空神经网络预测模型 | 第45-50页 |
| 4.2.1 空间权重矩阵的建立 | 第46-47页 |
| 4.2.2 模型节点数和传递函数 | 第47-48页 |
| 4.2.3 网络学习算法 | 第48-50页 |
| 4.3 案例分析 | 第50-66页 |
| 4.3.1 实验设计 | 第50-52页 |
| 4.3.2 相关参数设定 | 第52-53页 |
| 4.3.3 空间权重矩阵 | 第53-58页 |
| 4.3.4 比较实验 | 第58-60页 |
| 4.3.5 结果分析 | 第60-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 结论与展望 | 第67-70页 |
| 5.1 结论 | 第67-68页 |
| 5.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第74-75页 |