首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--交通工程与交通管理论文--交通调查与规划论文

城市道路短时交通流预测方法研究

摘要第4-5页
Abstract第5页
第一章 绪论第9-18页
    1.1 研究背景及意义第9-10页
    1.2 国内外研究现状第10-15页
        1.2.1 统计预测模型第11-12页
        1.2.2 人工智能及其组合预测模型第12-14页
        1.2.3 非线性系统理论预测模型第14页
        1.2.4 其它预测模型第14-15页
    1.3 本文主要研究内容与章节安排第15-18页
第二章 短时交通流预测理论基础第18-24页
    2.1 短时交通流预测概念第18页
    2.2 交通流基本参数第18-20页
    2.3 短时交通流特性分析第20-21页
        2.3.1 交通流不确定性第20-21页
        2.3.2 交通流时变性第21页
        2.3.3 交通流周期性第21页
        2.3.4 交通流自相似性第21页
    2.4 短时交通流建模原则第21-22页
    2.5 预测模型评价准则第22-23页
    2.6 本章小结第23-24页
第三章 短时交通流预测算法分析第24-36页
    3.1 人工神经网络第24-28页
        3.1.1 人工神经网络概述第24-25页
        3.1.2 人工神经网络特点第25页
        3.1.3 人工神经网络结构第25-26页
        3.1.4 Elman神经网络第26-28页
    3.2 深度学习第28-35页
        3.2.1 深度学习概述第28-29页
        3.2.2 深度学习训练过程第29-30页
        3.2.3 深度学习常用模型第30-35页
    3.3 本章小节第35-36页
第四章 基于自适应GA-Elman神经网络的短时交通流预测第36-47页
    4.1 数据预处理第36-37页
        4.1.1 差分数据平滑法第36页
        4.1.2 最大最小法处理第36-37页
    4.2 自适应Elman神经网络结构的设计第37-39页
        4.2.1 隐含层的选取第37页
        4.2.2 隐含层节点数的自适应调节第37-39页
    4.3 GA-Elman神经网络的构建第39-43页
        4.3.1 遗传算法(GeneticAlgorithm)第39-41页
        4.3.2 GA-Elman神经网络第41-43页
    4.4 实例分析第43-46页
        4.4.1 Elman神经网络隐含层层数的选择第43-44页
        4.4.2 自适应隐含层节点数的选择第44-45页
        4.4.3 实验结果及分析第45-46页
    4.5 本章小节第46-47页
第五章 基于谱分析与DBN-Elman神经网络的短时交通流预测第47-58页
    5.1 基于谱分析的交通流数据分解第47-49页
        5.1.1 谱分析基本原理第47-48页
        5.1.2 基于谱分析的交通流分解第48-49页
    5.2 DBN-Elman短时交通流预测模型第49-51页
        5.2.1 DBN模型第49-50页
        5.2.2 DBN-Elman神经网络的短时交通流预测模型第50-51页
    5.3 实例分析第51-57页
        5.3.1 频谱阈值的选取第52-54页
        5.3.2 DBN隐含层节点的选取第54-55页
        5.3.3 实验结果及分析第55-57页
    5.4 本章小节第57-58页
第六章 总结与展望第58-60页
    6.1 总结第58-59页
    6.2 展望第59-60页
参考文献第60-64页
致谢第64-65页
攻读学位期间取得的研究成果第65-66页

论文共66页,点击 下载论文
上一篇:基于LEACH的无线传感器网络能量均衡研究
下一篇:基于PROFINET的电缆护套线径控制系统研究与设计