| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究的背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 论文研究内容及章节安排 | 第13-17页 |
| 1.3.1 论文研究内容 | 第13-14页 |
| 1.3.2 论文章节安排 | 第14-17页 |
| 2 交通量短时预测理论研究 | 第17-23页 |
| 2.1 交通量短时预测的相关概念 | 第17页 |
| 2.2 交通量特性分析 | 第17-19页 |
| 2.3 交通量短时预测模型的分类 | 第19-20页 |
| 2.4 交通量短时预测模型建立的原则 | 第20-21页 |
| 2.5 交通量短时预测评价指标 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 3 人工神经网络理论分析 | 第23-39页 |
| 3.1 人工神经网络基本原理 | 第23-28页 |
| 3.1.1 人工神经网络的构成要素 | 第23-26页 |
| 3.1.2 人工神经网络的结构 | 第26-27页 |
| 3.1.3 人工神经网络的学习方式 | 第27-28页 |
| 3.2 BP神经网络原理 | 第28-33页 |
| 3.2.1 BP神经网络的拓扑结 | 第28页 |
| 3.2.2 BP神经网络的学习过程 | 第28-30页 |
| 3.2.3 BP神经网络交通量短时预测模型建模分析 | 第30-31页 |
| 3.2.4 BP神经网络的缺陷及优化 | 第31-33页 |
| 3.3 遗传算法在神经网络中的应用 | 第33-38页 |
| 3.3.1 遗传算法的基本原理与运行流程 | 第33-34页 |
| 3.3.2 确定遗传算法控制参数 | 第34-35页 |
| 3.3.3 遗传-BP神经网络基本思想与建模 | 第35-36页 |
| 3.3.4 遗传-BP神经网络交通量短时预测模型运行流程 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 交通量短时预测模型实例验证与分析 | 第39-49页 |
| 4.1 训练数据样本说明 | 第39-40页 |
| 4.2 模型的输入输出方案设计 | 第40页 |
| 4.3 遗传-BP神经网络拓扑结构的确定 | 第40-44页 |
| 4.4 遗传-BP神经网络交通流量短时预测 | 第44-48页 |
| 4.4.1 BP神经网络交通量短时预测(输入方案一) | 第44-45页 |
| 4.4.2 BP神经网络交通量短时预测(输入方案二) | 第45-46页 |
| 4.4.3 遗传-BP神经网络交通量短时预测(输入方案一) | 第46-47页 |
| 4.4.4 遗传-BP神经网络交通量短时预测(输入方案二) | 第47-48页 |
| 4.5 不同模型及方案预测结果对比分析 | 第48页 |
| 4.6 本章小结 | 第48-49页 |
| 5 结论和展望 | 第49-51页 |
| 5.1 结论、展望 | 第49-50页 |
| 5.2 应用分析 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 攻读学位期间的研究成果 | 第54页 |
