基于灰色理论和RBF神经网络民航客运量预测方法研究
发布时间：2021-05-20 17:26
准确的民航客运量预测结果是进行民航交通规划与管理的主要依据之一。论文旨在通过对民航客运量的特点进行研究,寻找提高预测精度的途径。论文首先对我国民航客运量发展趋势进行了研究,并从宏观和微观两方面分析了影响民航客运量的相关因素,在此基础上,阐述了民航客运量预测的特点,并对预测方法进行了分析。其次对民航客运量的预测方法进行了分析和比较。灰色理论在解决贫信息、不确定性问题方面具有明显的优势,适合民航客运量数据的特点。论文用灰色理论模型对民航客运量进行了预测,发现模型存了一些不可忽视的缺点,使得预测误差相对较大。RBF神经网络能够以任意程度逼近任意连续函数,而且由于其超强的适应能力和学习能力,很适合非线性系统的预测问题。论文利用RBF神经网络对民航客运量进行了预测,由于小样本和原始数据不光滑等问题,使得预测的误差也相对较大。论文分别指出了灰色理论和RBF神经网络预测模型的优缺点,并利用它们的优点对民航客运量预测模型进行了优化,形成灰色—RBF神经网络预测模型。在此基础上,论文提出了灰色—RBF神经网络模型建立的思想与流程,对模型建立过程中的输入/输出数据预处理、分布系数的确定以及预测结果检验等关...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
1.1 论文研究的背景和意义
1.1.1 论文研究的背景
1.1.2 论文研究的意义
1.2 国内外研究现状
1.3 论文的主要工作
2 民航客运量发展趋势及影响因素分析
2.1 我国民航客运量发展趋势
2.1.1 我国民航客运量发展趋势
2.1.2 我国民航运输发展阶段分析
2.2 民航客运量的相关影响因素分析
2.2.1 宏观经济因素分析
2.2.2 微观经济因素
2.3 影响因素的选取
3 民航客运量预测方法的分析与选择
3.1 民航客运量的特点
3.2 民航客运量预测方法的分析
3.2.1 基于时间序列的预测方法
3.2.2 基于影响因素的预测方法
3.2.3 定性预测法
3.3 灰色理论与RBF神经网络的特点
3.3.1 灰色理论模型特点
3.3.2 RBF神经网络模型的特点
3.4 小结
4 基于灰色理论与RBF神经网络民航客运量预测方法研究
4.1 基于灰色理论的民航客运量预测方法及实现
4.1.1 灰色理论模型
4.1.2 基于灰色理论民航客运量预测模型的实现
4.1.3 提高灰色预测精度的方法分析
4.2 基于RBF神经网络的民航客运量预测
4.2.1 RBF神经网络模型
4.2.2 基于聚类学习算法的民航客运量预测建模思想
4.2.3 基于RBF神经网络民航客运量预测的模型算法
4.2.4 构建时间序列的民航客运量预测模型
4.2.5 构建因果关系的民航客运量预测模型
4.2.6 基于时间序列与因果关系两种预测方法的比较
5 基于灰色—RBF神经网络民航客流量预测模型研究
5.1 灰色—RBF神经网络预测模型原理
5.2 灰色—RBF神经网络预测模型的建立与实现
5.2.1 构建时间序列的灰色—RBF神经网络预测模型及实现
5.2.2 构建因果关系的灰色—RBF神经网络预测模型
5.2.3 构造因果关系的灰色—RBF神经网络预测模型的实现
5.3 模型的比较
6 结论与展望
6.1 结论
6.2 进一步的研究工作
参考文献
作者简历
学位论文数据集
【参考文献】：
期刊论文
[1]基于BP神经网络的航空运输量短期预测模型[J]. 吴璇. 西安电子科技大学学报(社会科学版). 2007(03)
[2]RBF神经网络主成分分析法在交通量预测中应用[J]. 刘兴彬,万发祥. 山西科技. 2007(01)
[3]基于BP神经网络的组合预测模型及其在公路运输量预测中的应用[J]. 赵淑芝,田振中,张树山,金俊武. 交通运输系统工程与信息. 2006(04)
[4]BP神经网络和GM（1,1）灰色模型在公路客运量预测中的应用[J]. 杭力,韩直,杜益文. 公路交通技术. 2006(02)
[5]公路客运量预测方法的比较[J]. 王生昌,白韶波,张慧. 长安大学学报(自然科学版). 2005(05)
[6]基于遗传算法和神经网络理论的机场航空业务量的预测模型[J]. 葛折贵,葛折圣. 现代交通技术. 2005(04)
[7]改进的BP神经网络在铁路客运量时间序列预测中的应用[J]. 王卓,王艳辉,贾利民,李平. 中国铁道科学. 2005(02)
[8]空中交通流量预测的人工神经网络和回归组合方法[J]. 崔德光,吴淑宁,徐冰. 清华大学学报(自然科学版). 2005(01)
[9]航线运输需求量预测模型研究[J]. 孙宏,史虹圣. 中国民航飞行学院学报. 2004(05)
[10]交通量的灰色神经网络预测方法[J]. 陈淑燕,王炜. 东南大学学报(自然科学版). 2004(04)
硕士论文
[1]人工神经网络在宏观经济预测中的应用研究[D]. 陈鸿.重庆大学 2005
本文编号：3198148
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
1 绪论
1.1 论文研究的背景和意义
1.1.1 论文研究的背景
1.1.2 论文研究的意义
1.2 国内外研究现状
1.3 论文的主要工作
2 民航客运量发展趋势及影响因素分析
2.1 我国民航客运量发展趋势
2.1.1 我国民航客运量发展趋势
2.1.2 我国民航运输发展阶段分析
2.2 民航客运量的相关影响因素分析
2.2.1 宏观经济因素分析
2.2.2 微观经济因素
2.3 影响因素的选取
3 民航客运量预测方法的分析与选择
3.1 民航客运量的特点
3.2 民航客运量预测方法的分析
3.2.1 基于时间序列的预测方法
3.2.2 基于影响因素的预测方法
3.2.3 定性预测法
3.3 灰色理论与RBF神经网络的特点
3.3.1 灰色理论模型特点
3.3.2 RBF神经网络模型的特点
3.4 小结
4 基于灰色理论与RBF神经网络民航客运量预测方法研究
4.1 基于灰色理论的民航客运量预测方法及实现
4.1.1 灰色理论模型
4.1.2 基于灰色理论民航客运量预测模型的实现
4.1.3 提高灰色预测精度的方法分析
4.2 基于RBF神经网络的民航客运量预测
4.2.1 RBF神经网络模型
4.2.2 基于聚类学习算法的民航客运量预测建模思想
4.2.3 基于RBF神经网络民航客运量预测的模型算法
4.2.4 构建时间序列的民航客运量预测模型
4.2.5 构建因果关系的民航客运量预测模型
4.2.6 基于时间序列与因果关系两种预测方法的比较
5 基于灰色—RBF神经网络民航客流量预测模型研究
5.1 灰色—RBF神经网络预测模型原理
5.2 灰色—RBF神经网络预测模型的建立与实现
5.2.1 构建时间序列的灰色—RBF神经网络预测模型及实现
5.2.2 构建因果关系的灰色—RBF神经网络预测模型
5.2.3 构造因果关系的灰色—RBF神经网络预测模型的实现
5.3 模型的比较
6 结论与展望
6.1 结论
6.2 进一步的研究工作
参考文献
作者简历
学位论文数据集
【参考文献】：
期刊论文
[1]基于BP神经网络的航空运输量短期预测模型[J]. 吴璇. 西安电子科技大学学报(社会科学版). 2007(03)
[2]RBF神经网络主成分分析法在交通量预测中应用[J]. 刘兴彬,万发祥. 山西科技. 2007(01)
[3]基于BP神经网络的组合预测模型及其在公路运输量预测中的应用[J]. 赵淑芝,田振中,张树山,金俊武. 交通运输系统工程与信息. 2006(04)
[4]BP神经网络和GM（1,1）灰色模型在公路客运量预测中的应用[J]. 杭力,韩直,杜益文. 公路交通技术. 2006(02)
[5]公路客运量预测方法的比较[J]. 王生昌,白韶波,张慧. 长安大学学报(自然科学版). 2005(05)
[6]基于遗传算法和神经网络理论的机场航空业务量的预测模型[J]. 葛折贵,葛折圣. 现代交通技术. 2005(04)
[7]改进的BP神经网络在铁路客运量时间序列预测中的应用[J]. 王卓,王艳辉,贾利民,李平. 中国铁道科学. 2005(02)
[8]空中交通流量预测的人工神经网络和回归组合方法[J]. 崔德光,吴淑宁,徐冰. 清华大学学报(自然科学版). 2005(01)
[9]航线运输需求量预测模型研究[J]. 孙宏,史虹圣. 中国民航飞行学院学报. 2004(05)
[10]交通量的灰色神经网络预测方法[J]. 陈淑燕,王炜. 东南大学学报(自然科学版). 2004(04)
硕士论文
[1]人工神经网络在宏观经济预测中的应用研究[D]. 陈鸿.重庆大学 2005
本文编号：3198148
本文链接：https://www.wllwen.com/jingjilunwen/jtysjj/3198148.html
