基于多变量的时间序列分析预测研究

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 时间序列分析预测研究现状

1.2.2 车流量预测国内外研究现状

1.2.3 文献调研结果分析

1.3 研究内容

1.4 文章结构

第二章 时间序列预测方法概述

2.1 时间序列的定义

2.2 时间序列预测技术

2.2.1 经典时间序列分析方法

2.2.2 基于灰色模型的时间序列预测方法

2.2.3 基于计算智能技术的时间序列预测方法

2.3 本章小结

第三章 基于多变量灰色模型的时间序列预测研究

3.1 人工鱼群算法

3.2 基于人工鱼群算法优化的多变量灰色模型

3.2.1 带卷积积分的多变量灰色模型GMC(1, n)

3.2.2改进的多变量灰色模型AFSA-GMC(1, n)

3.3 改进的灰色关联度分析方法

3.4 算例分析

3.4.1 灰色关联度验证分析

3.4.2 模型验证分析

3.5 本章小结

第四章 基于模型融合的时间序列预测研究

4.1 基于数据分解的模型融合方法

4.1.1 时间序列数据分解

4.1.2融合预测模型SARIMAX-AFSA-GMC(1, n)

4.2 基于结果加权的模型融合方法

4.2.1 梯度提升决策树算法

4.2.2融合预测模型GBDT-AFSA-GMC(1, n)

4.3 算例分析

4.3.1SARIMAX-AFSA-GMC(1, n)模型验证分析

4.3.2GBDT-AFSA-GMC(1, n)模型验证分析

4.4 本章小结

第五章 时间序列预测方法在交通领域的应用研究

5.1 车流量及相关外部数据分析

5.1.1 数据来源及特征

5.1.2 数据预处理

5.2 基于改进模型的车流量预测应用

5.2.1 改进的多变量灰色模型应用

5.2.2SARIMAX-AFSA-GMC(1, n)模型应用

5.2.3GBDT-AFSA-GMC(1, n)模型应用

5.3 基于车流量预测数据的应用演示系统

5.3.1 整体系统架构设计

5.3.2 车流量预测算法实现

5.3.3 车流量预测应用展示

5.4 本章小结

第六章 总结与展望

6.1 本文总结

6.2 展望

致谢

参考文献

攻读硕士学位期间取得的成果