| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-20页 |
| ·研究背景和意义 | 第10-11页 |
| ·论文研究的背景 | 第10页 |
| ·论文研究的意义 | 第10-11页 |
| ·运量预测国内外研究现状 | 第11-17页 |
| ·客运量预测常用方法 | 第11-14页 |
| ·新预测理论与方法在客运量预测中的运用 | 第14-17页 |
| ·论文的主要方法 | 第17-18页 |
| ·论文主要内容与技术路线 | 第18-20页 |
| ·论文的主要内容 | 第18页 |
| ·论文的技术路线 | 第18-20页 |
| 第2章 铁路客运量需求及影响因素分析 | 第20-29页 |
| ·运输结构与铁路客运的发展趋势 | 第20-24页 |
| ·运输结构与运输量 | 第20页 |
| ·铁路运输的发展 | 第20-24页 |
| ·影响客运量的因素 | 第24-26页 |
| ·运输结构演变对铁路客运量的影响 | 第24-26页 |
| ·其他影响铁路客运量的因素 | 第26页 |
| ·影响因素的选取 | 第26-28页 |
| ·选取影响因素的准侧 | 第26-27页 |
| ·影响因素的确定 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 BP神经网络和遗传算法理论基础 | 第29-40页 |
| ·BP神经网络 | 第29-33页 |
| ·BP网络的结构 | 第29页 |
| ·BP网络的学习过程 | 第29-30页 |
| ·BP网络学习公式推导 | 第30-33页 |
| ·遗传算法 | 第33-37页 |
| ·遗传算法的理论基础 | 第33页 |
| ·遗传算法的基本思想 | 第33-34页 |
| ·遗传算法的步骤 | 第34页 |
| ·遗传算法的实现技术 | 第34-37页 |
| ·遗传算法与BP神经网络的结合 | 第37-39页 |
| ·遗传算法和BP结合的可行性 | 第37-38页 |
| ·遗传算法和BP结合的方式 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 多影响因子的GA-BP模型的铁路客运量预测 | 第40-57页 |
| ·所需历史数据资料收集与处理 | 第40-43页 |
| ·所需数据的收集 | 第40-41页 |
| ·数据预处理 | 第41-43页 |
| ·多影响因子的GA-BP模型铁路客运量预测 | 第43-56页 |
| ·GA-BP模型设置 | 第43-46页 |
| ·多影响因子的GA-BP预测模型的实现 | 第46-50页 |
| ·多影响因子的GA-BP模型与其它预测方法的比较 | 第50-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 时间序列的GA-BP模型铁路客运量预测 | 第57-62页 |
| ·数据处理 | 第57页 |
| ·时间序列GA-BP预测模型实现 | 第57-60页 |
| ·时间序列的GA-BP模型预测结果分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 总结和展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68-75页 |
| 附录Ⅰ实现多影响因子BP模型的MATLAB代码 | 第68-69页 |
| 附录Ⅱ实现三次指数平滑模型的MATLAB代码 | 第69-71页 |
| 附录Ⅲ SPSS软件分析 | 第71-75页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第75-76页 |
| 1. 发表的学术论文 | 第75页 |
| 2. 参加的科研项目 | 第75-76页 |