首页--交通运输论文--铁路运输论文--铁路运输管理工程论文--货物运输论文--货物运输组织与管理论文

机器学习理论在铁路货运量预测中的应用研究

致谢第5-6页
摘要第6-7页
ABSTRACT第7-8页
1. 绪论第11-18页
    1.1 论文研究的背景与研究意义第11-13页
        1.1.1 论文研究的背景第11-12页
        1.1.2 论文研究的意义第12-13页
    1.2 国内外研究现状第13-16页
    1.3 研究内容与研究方法第16-17页
    1.4 论文研究框架第17-18页
2. 铁路货运量预测概述第18-28页
    2.1 铁路货运量预测方法第18-25页
        2.1.1 铁路货运量定性预测方法第18-20页
        2.1.2 传统的铁路货运量定量预测方法第20-22页
        2.1.3 应用机器学习理论的铁路货运量定量预测方法第22-24页
        2.1.4 预测结果验证方法第24-25页
        2.1.5 机器学习方法同传统预测方法的定性比较第25页
    2.2 R软件简介第25-27页
        2.2.1 R语言概述第26页
        2.2.2 R的功能介绍第26-27页
    2.3 小结第27-28页
3. 铁路货运量影响因素及其关联度分析第28-35页
    3.1 铁路货运量影响因素定性分析第28-30页
        3.1.1 成品钢材产量对铁路货运量的影响第28页
        3.1.2 原煤产量对铁路货运量的影响第28-29页
        3.1.3 原油加工产量对铁路货运量的影响第29页
        3.1.4 火力发电量对铁路货运量的影响第29页
        3.1.5 固定资产投资对铁路货运量的影响第29-30页
        3.1.6 工业增加值增长率对铁路货运量的影响第30页
    3.2 铁路货运量影响因素定量分析第30-34页
        3.2.1 灰色关联度理论概述第30-32页
        3.2.2 铁路货运量同各影响因素间的关联度计算第32-34页
    3.3 小结第34-35页
4. 运用机器学习算法进行铁路货运量预测第35-51页
    4.1 铁路货运量Bagging预测第35-37页
        4.1.1 Bagging预测模型建立和算法设计第35-36页
        4.1.2 Bagging预测结果及分析第36-37页
    4.2 铁路货运量BP人工神经网络预测第37-42页
        4.2.1 BP学习算法概述第37-38页
        4.2.2 BP神经网络概述第38-39页
        4.2.3 铁路货运量人工神经网络预测模型建立及算法设计第39-40页
        4.2.4 铁路货运量人工神经网络预测结果及分析第40-42页
    4.3 铁路货运量支持向量机预测第42-45页
        4.3.1 支持向量机的思路:基于最大间隔分隔数据第42页
        4.3.2 支持向量机预测模型和算法设计第42-44页
        4.3.3 支持向量机预测结果和分析第44-45页
    4.4 铁路货运量随机森林预测第45-49页
        4.4.1 随机森林预测模型建立和算法设计第45-46页
        4.4.2 随机森林预测结果和分析第46-49页
    4.5 各算法预测结果比较分析第49-50页
    4.6 小结第50-51页
5. 结论与展望第51-53页
    5.1 总结第51-52页
    5.2 展望第52-53页
参考文献第53-55页
附录A第55-61页
作者简历及攻读硕士/博士学位期间取得的研究成果第61-63页
学位论文数据集第63页

论文共63页,点击 下载论文
上一篇:MiR-186、Apollon影响人胶质瘤细胞增殖和侵袭的研究
下一篇:高性能CMOS运算放大器应用研究与设计