城市轨道交通客流统计特征分析及组合预测方法实证研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-15页 |
| 1 绪论 | 第15-22页 |
| ·研究背景 | 第15-16页 |
| ·研究意义 | 第16页 |
| ·国内外研究现状 | 第16-20页 |
| ·国内研究现状 | 第16-19页 |
| ·国外研究现状 | 第19-20页 |
| ·研究内容及论文结构 | 第20-22页 |
| 2 常用预测方法简述 | 第22-34页 |
| ·时间序列模型 | 第22-23页 |
| ·卡尔曼滤波模型 | 第23-24页 |
| ·支持向量机模型 | 第24-25页 |
| ·神经网络模型 | 第25-31页 |
| ·单层感知器 | 第26-27页 |
| ·BP神经网络 | 第27-28页 |
| ·RBF神经网络 | 第28-30页 |
| ·Elman神经网络 | 第30-31页 |
| ·组合模型 | 第31-33页 |
| ·小结 | 第33-34页 |
| 3 城市轨道交通客流统计特征实证分析 | 第34-51页 |
| ·客流年增长统计特征分析 | 第34-35页 |
| ·全年客流统计特征分析 | 第35-36页 |
| ·节假日客流统计特征分析 | 第36-42页 |
| ·平常日客流统计特征分析 | 第42-43页 |
| ·平常日客流平稳性分析 | 第43-48页 |
| ·自相关函数和偏自相关函数 | 第44-46页 |
| ·单位根检验 | 第46-48页 |
| ·平常日客流聚类分析 | 第48-50页 |
| ·层次聚类方法 | 第48-49页 |
| ·平常日客流层次聚类分析 | 第49-50页 |
| ·小结 | 第50-51页 |
| 4 ARIMA-RBF组合预测实证分析 | 第51-58页 |
| ·ARIMA模型 | 第51-52页 |
| ·ARIMA-RBF组合模型 | 第52-53页 |
| ·实例分析 | 第53-57页 |
| ·数据平稳化处理 | 第53-54页 |
| ·实例预测 | 第54-56页 |
| ·结果分析 | 第56-57页 |
| ·小结 | 第57-58页 |
| 5 EMD-RBF组合预测实证分析 | 第58-67页 |
| ·EMD模型概述 | 第58-60页 |
| ·EMD-RBF组合模型 | 第60-61页 |
| ·实例分析 | 第61-65页 |
| ·提取IMF分量 | 第61-63页 |
| ·筛选有效IMF分量 | 第63页 |
| ·进行预测 | 第63-64页 |
| ·预测结果分析 | 第64-65页 |
| ·小结 | 第65-67页 |
| 6 并行加权神经网络预测实证分析 | 第67-76页 |
| ·并行加权神经网络模型 | 第67-68页 |
| ·预测方法 | 第68-70页 |
| ·实例分析 | 第70-73页 |
| ·平常日客流预测 | 第70-72页 |
| ·节假日客流预测 | 第72-73页 |
| ·三种组合预测模型对比分析 | 第73-75页 |
| ·小结 | 第75-76页 |
| 7 总结与展望 | 第76-79页 |
| ·研究成果 | 第76-77页 |
| ·研究展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 作者简历 | 第83-85页 |
| 学位论文数据集 | 第85页 |
