| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 背景和意义 | 第10-12页 |
| 1.2 国内外研究历程和趋势 | 第12-13页 |
| 1.3 主要研究工作 | 第13-15页 |
| 1.4 论文的基本组织架构 | 第15-17页 |
| 第2章 铁路客流量预测关键技术和方法 | 第17-29页 |
| 2.1 铁路客流量影响因素和预测方法 | 第17-19页 |
| 2.2 铁路客流量线性预测技术 | 第19-20页 |
| 2.3 铁路客流量非线性预测技术 | 第20-25页 |
| 2.4 铁路客流量季节性和周期性分析方法 | 第25-27页 |
| 2.5 混合模型构建分析 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 铁路客流量数据特征分析 | 第29-48页 |
| 3.1 线性特征分析 | 第29-36页 |
| 3.1.1 线性特征分析思路 | 第29-30页 |
| 3.1.2 基于线性回归的铁路客流量特征分析 | 第30-33页 |
| 3.1.3 基于arima的铁路客流量特征分析 | 第33-34页 |
| 3.1.4 线性分析方法效果对比 | 第34-36页 |
| 3.2 非线性特征分析 | 第36-41页 |
| 3.2.1 非线性特征分析思路 | 第36-37页 |
| 3.2.2 基于极限学习机的铁路客流量特征分析 | 第37-40页 |
| 3.2.3 非线性分析方法效果对比 | 第40-41页 |
| 3.3 周期性特征分析 | 第41-47页 |
| 3.3.1 周期特征分析思路 | 第41-42页 |
| 3.3.2 基于季节模型的铁路客流量周期性特征分析 | 第42-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 基于数据特征的混合预测模型构建与算法实现 | 第48-66页 |
| 4.1 线性与非线性特征融合的预测方法建模 | 第48-59页 |
| 4.1.1 基于小波的建模思路 | 第48-49页 |
| 4.1.2 小波分析 | 第49-55页 |
| 4.1.3 建模和算法实现 | 第55-59页 |
| 4.2 线性、非线性与季节性特征融合的预测方法建模 | 第59-65页 |
| 4.2.1 三种特征融合的思路 | 第59-60页 |
| 4.2.2 熵值法理论分析 | 第60-61页 |
| 4.2.3 熵值法确定权重 | 第61-62页 |
| 4.2.4 建模和算法实现 | 第62-65页 |
| 4.3 本章小结 | 第65-66页 |
| 第5章 模型验证和数值实验分析 | 第66-77页 |
| 5.1 数据描述 | 第66-67页 |
| 5.2 评价指标 | 第67-68页 |
| 5.3 算法验证 | 第68-74页 |
| 5.3.1 waade模型预测验证 | 第68-72页 |
| 5.3.2 waades模型预测验证 | 第72-74页 |
| 5.4 不同模型预测效果分析 | 第74-76页 |
| 5.5 本章小结 | 第76-77页 |
| 第6章 总结和展望 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间的科研成果和其它获奖情况 | 第84-85页 |
| 致谢 | 第85-86页 |