声明
第1章绪论
1.1 研究背景与意义
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 天气对网约车需求的影响
1.2.2 网约车短时需求预测
1.3 论文主要研究内容
1.3.1 研究内容及技术路线
1.3.2 全文章节安排
1.4 本章小结
第2章数据处理及分析
2.1 数据源
2.2 数据预处理
2.2.1 网约车数据
2.2.2 天气数据
2.3 需求量与天气的相关分析
2.3.1 需求量与降雨的关系
2.3.2 需求量与温度的关系
2.3.3 需求量与风速的关系
2.3.4 需求量与下雪的关系
2.3.5 需求量与雾天的关系
2.4 本章小结
第3章天气因素对网约车需求量影响程度分析
3.1 多元线性回归方法
3.1.1 相关关系分析
3.1.2 多元线性回归模型构建
3.1.3 多元线性回归模型的检验
3.2 多元线性回归的应用
3.2.1 变量的界定
3.2.2 相关性系数分析
3.2.3 模型的建立与分析
3.3 本章小结
第4章基于ARIMA模型的网约车短时需求预测
4.1 时间序列的性质
4.2 时间序列的基本模型
4.2.1 AR模型
4.2.2 MA 模型
4.2.3 ARMA模型
4.2.4 ARIMA 模型
4.3 时间序列建模过程
4.4 时间序列模型的应用
4.4.1 模型的评价指标
4.4.2 实验数据描述
4.4.3 时间序列平稳化
4.4.4 模型定阶
4.4.5 模型诊断和评价
4.5 引入波动系数的模型分析
4.5.1 需求量波动系数
4.5.2 模型对比分析
4.6 模型预测分析
4.7 本章小结
第5章基于混合模型的网约车短时需求预测
5.1 相关理论介绍
5.1.1 LSTM的核心算法
5.1.2 LSTM的网络方程
5.2 混合模型的构建
5.2.1 混合模型的构建思想及过程
5.2.2 LSTM模型建立
5.2.3 混合模型评价
5.3 模型预测效果分析
5.4 本章小结
结论
致谢
参考文献
西南交通大学;