客运量时间序列预测分析

摘要

时间序列是当今多种自然现象、经济、社会的数量指标所产生的一系列统计数据，此统计数据是按照时间顺序排列起来，在相同的时间间隙里产生了每一个数据，它的研究是当今世界中比较重要的领域之一，涉及到众多领域，具有重大的科研价值，而旅客运输是社会经济与发展的基础保障，是广大人民出行的最主要的方式。作为交通运输设施建设的标准之一，客运量预测在客运发展中扮演及其重要的角色。
　　 本论文研究了客运量时间序列的几种方法—ARIMA模型、BP网络预测，了解各种算法的优缺点，运算的方法等等，并在传统方法的基础上，引入混沌算子网络客流量预测方法，利用相空间重构原理建造训练样本，为了使动力学特性在预测网络的预测过程中逐渐接近被预测系统，实现流量的完整预测，本文采用了遗传算法来优化混沌算子的控制参数，因此，根据仿真实验的最终结果可见，该方法具有良好的预测性能，能够有效实现流量数据的预测，具有一定的参考和应用价值。

目录

声明

学位论文的主要创新点

摘要

第一章 绪论

1．1 课题的研究背景与意义

1．2 客运量预测的研究现状

1．3 本文的主要研究思路和方法

1．4 论文的结构和主要工作

第二章 客流量的时间序列预测方法

2．1 时间序列的涵义和种类

2．2 预测方法

2．2．1 ARIMA模型

2．2．2 ARIMA模型的识别

2．2．3 建模流程

2．2．4 模型定阶方法

2．3 ARIMA在客运量时间序列中的应用

2．4 本章小结

第三章 客流量的神经网络预测方法

3．1 神经网络概述

3．1．1 BP网络模型与结构

3．1．2 BP神经网络的学习规则

3．1．3 BP网络的优缺点及改进

3．2 采用神经网络进行客流量的预测

3．3 本章小结

第四章 混沌算子网络客流量预测方法研究

4．1 混沌的概念

4．1．1 混沌定义

4．1．2 混沌的特征

4．2 时间序列的混沌识别方法

4．2．1 定性分析法

4．2．2 定量分析法

4．3 混沌时间序列的可预测性

4．3．1 相空间重构

4．3．2 混沌时间序列预测

4．4 混沌算子网络

4．5 遗传算法概述和其优点

4．5．1 遗传算法概述

4．5．2 遗传算法的现状

4．5．3 遗传算法的特点

4．5．4 遗传算法的应用

4．6 基于遗传算法的混沌算子网络控制参数的优化

4．7 本章小结

第五章 仿真实验对比

5．1 理论模型获得数据的预测分析(Prediction Results for Theoretical Data)

5．2 实际时间序列的预测分析(Prediction Results for Actual Data)

5．3 本章小结

第六章 结论与展望

6．1 结论

6．2 展望

6．3 收获

参考文献

攻读硕士学位期间发表的学术论文和参加科研情况

致谢