京、津、冀货运量影响分析及预测
| 摘要 | 第5-6页 |
| Abstrict | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 区域一体化研究现状 | 第11-12页 |
| 1.2.2 货运量预测方法研究现状 | 第12-14页 |
| 1.2.3 货运量影响因素研究现状 | 第14-15页 |
| 1.2.4 预测方法评述 | 第15-16页 |
| 1.3 论文主要研究内容 | 第16-18页 |
| 1.3.1 研究内容与研究框架 | 第16-17页 |
| 1.3.2 研究方法 | 第17页 |
| 1.3.3 技术路线 | 第17-18页 |
| 1.4 本文可能的创新点 | 第18-19页 |
| 第2章 基础理论 | 第19-29页 |
| 2.1 灰色关联分析介绍 | 第19-20页 |
| 2.1.1 灰色关联分析建模步骤 | 第19-20页 |
| 2.2 VAR模型介绍 | 第20-22页 |
| 2.2.1 基本概念 | 第20页 |
| 2.2.2 VAR建模步骤 | 第20-22页 |
| 2.3 ARIMA模型介绍 | 第22-26页 |
| 2.3.1 ARIMA模型分类 | 第22-24页 |
| 2.3.2 ARIMA建模步骤 | 第24-26页 |
| 2.4 SVM模型介绍 | 第26-28页 |
| 2.4.1 SVM模型的原理 | 第26-28页 |
| 2.4.2 SVM模型的算法流程 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 京津冀货运量影响因素分析 | 第29-51页 |
| 3.1 京津冀货运量的影响因素 | 第29-31页 |
| 3.1.1 可量化因素 | 第29-30页 |
| 3.1.2 不可量化因素 | 第30-31页 |
| 3.2 灰色关联法实证结果分析 | 第31-33页 |
| 3.2.1 数据的来源与选取 | 第31页 |
| 3.2.2 计算灰色关联度 | 第31-33页 |
| 3.3 基于VAR模型的货运量影响因素分析 | 第33-49页 |
| 3.3.1 北京货运量影响因素分析 | 第34-39页 |
| 3.3.2 天津货运量影响因素分析 | 第39-45页 |
| 3.3.3 河北货运量影响因素分析 | 第45-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 京津冀货运量的预测 | 第51-67页 |
| 4.1 京津冀货运发展现状 | 第51-52页 |
| 4.2 京津冀货运量的ARIMA预测 | 第52-61页 |
| 4.2.1 北京货运量预测 | 第52-55页 |
| 4.2.2 天津货运量预测 | 第55-58页 |
| 4.2.3 河北货运量预测 | 第58-61页 |
| 4.3 京津冀货运量的VAR模型预测 | 第61-62页 |
| 4.3.1 北京货运量预测 | 第61页 |
| 4.3.2 天津货运量预测 | 第61-62页 |
| 4.3.3 河北货运量预测 | 第62页 |
| 4.4 京津冀货运量的SVM模型预测 | 第62-65页 |
| 4.4.1 北京货运量预测 | 第63页 |
| 4.4.2 天津货运量预测 | 第63-64页 |
| 4.4.3 河北货运量预测 | 第64-65页 |
| 4.5 三种算法预测结果对比 | 第65-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第5章 研究成果和结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第73-74页 |
| 致谢 | 第74页 |
