声明
致谢
序言
1 引言
1.1.1 研究背景
1.1.2 研究意义
1.2国内外研究现状
1.2.1 铁路货物运到时限预测研究现状
1.2.2 支持向量回归机算法研究现状
1.2.3 BP 神经网络研究现状
1.3研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 本章小节
2 相关概念简介及数据预处理
2.1 运到时限及相关内容简介
2.1.1 传统运到时限研究的影响因素
2.1.2 运到时限计算方法
2.2 数据预处理软硬件环境配置
2.2.1 硬件环境配置
2.2.2 软件环境配置
2.3 车辆在始发站历史停留时间计算
2.4 异常数据修复
2.5 始发站车辆停留时间影响因素分析与量化
2.6 本章小结
3 基于BP神经网络对车辆在始发站停留时间预测
3.1 BP神经网络简介
3.1.1 正向传播
3.1.2 损失函数和代价函数
3.1.3 反向传播
3.2 实验与评价
3.3 本章小结
4 基于SVR 算法对车辆在始发站停留时间预测
4.1 支持向量机回归算法简介
4.1.1 SVM 简介
4.1.2 SVR 概述
4.2 灰狼优化算法简介
4.2.1 GWO 算法原理
4.2.2 SVR-GWO
4.3 实验与评价
4.4 本章小结
5 基于组合模型对车辆在始发站停留时间预测
5.1 组合模型概述
5.2 BP神经网络与SVR权重确定
5.2.1 简单加权平均法
5.2.2 误差方差均方倒数法
5.2.3 误差平方和倒数法
5.3 BP神经网络与SVR组合模型预测实例
5.3.1 简单加权平均法
5.3.2 误差方差均方倒数
5.3.3 误差平方和倒数法
5.4 始发站车辆停留时间预测模型比对分析
5.5 本章小结
6 结论
6.1 主要内容总结
6.2 本文创新点
6.3 不足与展望
参考文献
附录 A
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;