基于组合模型算法的铁路货运车辆在始发站停留时间预测

目录

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