1. 毕业设计（论文）的内容和要求

1、 在搜集的数据资料进行详细的分析，掌握交通流量的主要影响因素 2、熟悉R语言、Python等统计分析软件的使用； 3、建立的预测模型有较高的准确率 4、对比人工智能算法、统计方法等主流预测评价方法的优缺点，根据所搜集的数据，进行数据清洗，并选择合适的方法，进行优化； 5、案例分析，并提高预测性能； 6、对预测结果进行讨论，总结优点与不足； 7、 完成毕业设计说明书（毕业论文）一份； 8、 完成与毕业设计内容相关的英文翻译一份。

2. 参考文献

[1] 吴宝春，郑蕊蕊等. 基于遗传灰色gm（1，1，ρ）模型的短时交通流量预测[j]. 电子设计工程，2012，20（13）：165-17。

。

[2]申慧.基于bp神经网络的交通流量预测设计[j].西南科技大学学报, 2009，13: 72-75. [3] 曹琛荔，孙旋. 基于神经网络与遗传算法的交通流量预测研究[j]. 仪表技术，2011，1：22-24 . [4] hu hui, hu dawei. study on the application of its and key technologies in logistics operation [c]//2009 international conference on information management, innovation manage-ment and industrial engineering. xi'an,china: ieee, 2009:263-266. [5] 林海涛. 面向短时交通流量预测的神经网络算法研究[d]. 南京：南京邮电大学, 2016. [6] 刘宁,陈昱颋等. 基于elman神经网络的交通流量预测方法[j].2011,37(2):204-209. [7] 李力东，高彤. 探讨交通流量预测的几种方法[j]. 吉林建筑工程学院学报,2010,27（5）：58-60. [8] 常峰，旷文珍等. 关于道路交通流准确预测仿真研究[j]. 计算机仿真， 2016, 33(6):111-116. [9] 常利，左忠义等. 基于bp神经网络的轨道交通客流量预测[j]. 大连交通大学学报， 2014, 35(a01):13-16.

3. 毕业设计（论文）进程安排

1、2018年1月，开题； 2、2018年2月，调研搜集数据；查阅国内外期刊资料，了解主流算法电信行业客户流失预测与评价上的应用现状； 3、2018年3月，熟悉R语言、Python软件的使用；确定课题的核心算法，并进行优化设计； 4、2018年4月，核心算法的编程实现； 5、2018年5月，案例分析，论文撰写； 6、2018年6月，答辩