基于EEMDGSVM高速铁路短期客流预测结论

致谢5-6

中文摘要6-7

ABSTRACT7-10

1 绪论10-16

1.1 探讨背景及作用10-11

1.1.1 探讨的背景10

1.1.2 探讨的作用10-11

1.2 国内外探讨近况11-16

1.2.1 国内探讨近况11-13

1.2.2 国外探讨近况13-14

1.2.3 国内外探讨近况综述14

1.2.4 探讨框架及内容14-16

2 客流预测的模型及策略16-23

2.1 客流预测概述16

2.2 客流预测的模型及策略16-22

2.2.1 基于客流形成机制的客流预测模型与策略17-18

2.2.2 基于客流行为特性的客流预测模型与策略18-21

2.2.3 组合客流预测模型与策略21-22

2.3 小结22-23

3 高速铁路客流的波动探讨23-53

3.1 基于统计的高速铁路客流波动特点描述23-43

3.1.1 平日客流波动特点描述24-29

3.1.2 节检测日客流波动特点描述29-34

3.1.3 春运客流波动特点描述34-37

3.1.4 暑运客流波动特点描述37-39

3.1.5 年内不同时期客流波动特点比较浅析39-43

3.2 基于时间序列数据挖掘的高速铁路客流浅析43-48

3.2.1 时序聚类浅析43-46

3.2.2 时序数据表示46-48

3.3 基于模态识别的高速铁路客流波动浅析48-52

3.3.1 模态与模态浅析48-49

3.3.2 高速铁路的经验模态浅析49-52

3.4 小结52-53

4 高速铁路短期客流预测模型与参数估计53-63

4.1 已有预测模型策略的比较53-54

4.2 EEMD-GSVM预测模型的提出54-60

4.2.1 EEMD-GSVM预测策略思路54-55

4.2.2 基于EEMD的“隔离”预测55-56

4.2.3 GSVM灰色支持向量机模型56-60

4.2.4 模态分量重构60

4.3 基于粒子群算法的参数优化60-62

4.4 小结62-63

5 武广高速铁路短期客流预测实证探讨63-74

5.1 基于EEMD的高速铁路客流模态浅析63-67

5.2 短期客流EEMD-GSVM预测67-70

5.2.1 划分训练集与测试集67-69

5.2.2 确定模型参数69-70

5.3 预测结果浅析70-74

6 结论与展望74-76

6.1 探讨结论74-75

6.2 探讨展望75-76