基于客流激發(fā)能級(jí)模型的鐵路客流短期預(yù)測(cè)研究

基于客流激發(fā)能級(jí)模型的鐵路客流短期預(yù)測(cè)研究

ID:36398691

大?。?0.54 MB

頁(yè)數(shù):71頁(yè)

時(shí)間:2019-05-10

基于客流激發(fā)能級(jí)模型的鐵路客流短期預(yù)測(cè)研究_第1頁(yè)
基于客流激發(fā)能級(jí)模型的鐵路客流短期預(yù)測(cè)研究_第2頁(yè)
基于客流激發(fā)能級(jí)模型的鐵路客流短期預(yù)測(cè)研究_第3頁(yè)
基于客流激發(fā)能級(jí)模型的鐵路客流短期預(yù)測(cè)研究_第4頁(yè)
基于客流激發(fā)能級(jí)模型的鐵路客流短期預(yù)測(cè)研究_第5頁(yè)
資源描述:

《基于客流激發(fā)能級(jí)模型的鐵路客流短期預(yù)測(cè)研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、北京交通大學(xué)碩士學(xué)位論文基于客流激發(fā)能級(jí)模型的鐵路客流短期預(yù)測(cè)研究姓名:馬彥祥申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):系統(tǒng)工程指導(dǎo)教師:劉軍20080501ABSTRA(了ABSTRACTRailwaypassengersflowforecastingisallimportantbasisofpassengertrafficorganizingandaneffectivewayforthepassengertrafficenterprisetograspthetrendsanddemandoftransportationmanetdevelopment.Thispaperfocusesonshort-term

2、passengervolumeforecastingproblembetweentwocities.Theobjectiveistoinvestigateappropriateforecastingmethodsinordertoguaranteetheprecision.Thispaperbeginstheresearchworkfromobservingthefluctuationcharacteristicsofshort·termpassengerrailwayvolumebetweenorigination—cityanddestination.city,andfindssomesp

3、ecialpropertiesofthevolumechange.Onthisbasis,thepapergivesaconclusionthatmethodsbasedoncombiningtimeseriesanalyzingandqualitativeapproachshouldbeusedinshort—termpassengervolumeforecasting.Short-termRailwayPassengerFlowForecastingmethodBasedonPassengerFlowExcitedLevelsModelisenlightenedbyBoer’Satomic

4、.modelinphysics.Themodelincludetwokeyparts,theoneisevaluationlevelsandtheincrementinexcitedstates.theotheroneistimeseriesforecastingingroundstates.Inthestudyofevaluationlevelsandincrementinexcitedstates。thefactorsofpassengerflowtransitionisanalyzedatfirst,thenFuzzycomprehensiveevaluationisappliedtoe

5、valuatethesefactors.Toovercometheshortageofhistoricaldata,theincrementoflearningsamplesalegotbyclusteringanalysisthetimeseriesdatafromTicketsalerecord.IIlthestudyoftimeseriesforecastingingroundstates,themethodforrecognitionandprocessingsingularvaluesisproposed,thenLS—SVMisappliedtoforecast.Inorderto

6、improveefficiencyandgeneralizationabilityofforecasting,geneticalgorithmisappliedtoselectparametersofLS.SVM.Finally,themethodisappliedtotheactualpassengerflowvolumedailydataofGuangzhoutoWuhan.Themodelandmethodsareeffectivebythetestofexample.KEYWORDS:railwaypassengertransport;short—termforecasting;Lea

7、stsquaressupportvectormachine;PassengerflowexcitedlevelsCLASSNO:學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解北京交通大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。特授權(quán)北京交通大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索,并采用影印、縮印或掃描等復(fù)制手段保存、匯編以供查閱和借閱。同意學(xué)校向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和磁盤(pán)。(保

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。