声明
第一章 绪论
1.1 研究背景
1.2 研究意义
1.2.1 理论意义
1.2.2 实践意义
1.3 国内外研究现状
1.3.1 国内外时间序列预测的研究现状
1.3.2 国内外铁路货运量预测的研究现状
1.3.3 文献述评
1.4 研究内容和技术路线
1.4.1 研究内容
1.4.2 技术路线
第二章 铁路货运量数据的分析方法介绍
2.1 时间序列相关理论知识介绍
2.1.1 传统时间序列分析方法
2.1.2 白噪声过程
2.2 差分自回归移动平均模型
2.2.1 差分自回归移动平均模型的定义
2.2.2 差分自回归移动平均模型的建立
2.3 季节性模型ARIMA(P,D,Q)s
2.4 乘积季节模型
2.4.1 乘积季节模型的定义
2.4.2 乘积季节模型的建立
2.5 循环神经网络
2.5.1 循环神经网络的定义
2.5.2 循环神经网络的计算
2.6 长短期记忆神经网络
2.6.1 长短期记忆神经网络的定义
2.6.2 长短期记忆神经网络的计算
2.7 本章小结
第三章 基于乘积季节模型的铁路货运量预测
3.1 数据来源及特征描述
3.2 预测模型的建立
3.2.1 预测模型的定阶
3.2.2 残差序列的检验
3.3 基于乘积季节模型的铁路货运量预测及评价
3.3.1 铁路货运量预测结果的评价方法
3.3.2 铁路货运量预测结果与分析
3.4 本章小结
第四章 基于LSTM神经网络的铁路货运量预测
4.1 实验环境的搭建及数据的处理
4.1.1 实验环境
4.1.2 LSTM神经网络中的几个重要参数的选取
4.1.3 数据的预处理
4.2 LSTM神经网络的建立
4.2.1 LSTM神经网络的输入和输出形式
4.2.2 LSTM神经网络梯度下降方法的选取
4.3 基于LSTM神经网络的铁路货运量预测
4.4 本章小结
第五章 基于组合预测模型的铁路货运量预测
5.1 组合模型的基本思想
5.2 基于误差修正的组合预测模型
5.3 基于权重分配的组合预测模型
5.4 组合预测模型的结果分析
5.4.1 基于误差修正的铁路货运量预测结果分析
5.4.2 基于权重分配的铁路货运量预测结果分析
5.4.3 四种预测模型的结果分析
5.5 本章小结
第六章 总结与展望
6.1 工作总结
6.2 创新点及不足
6.2.1 论文的创新点
6.2.2 论文的不足
参考文献
个人简历 在读期间发表的学术论文
致谢
