| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 问题的提出及研究意义 | 第10页 |
| 1.1.1 问题的提出 | 第10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 城市轨道交通客流短时预测方法综述 | 第10-13页 |
| 1.2.1 线性理论预测方法 | 第11页 |
| 1.2.2 非线性理论预测方法 | 第11-12页 |
| 1.2.3 多种模型结合预测方法 | 第12-13页 |
| 1.2.4 国内外研究现状小结 | 第13页 |
| 1.3 本文的主要研究内容和技术路线 | 第13-16页 |
| 第二章 城市轨道交通客流时空分布特征 | 第16-22页 |
| 2.1 轨道交通客流的时间分布特征 | 第16-18页 |
| 2.2 样本时间分布特征 | 第18-21页 |
| 2.3 轨道交通客流的空间分布特征 | 第21页 |
| 2.4 小结 | 第21-22页 |
| 第三章 BP神经网络在轨道交通客流短时预测中的应用 | 第22-35页 |
| 3.1 人工神经网络的发展和历史 | 第22-23页 |
| 3.2 人工神经网络的结构和学习 | 第23-26页 |
| 3.2.1 人工神经网络的结构 | 第23-24页 |
| 3.2.2 人工神经网络的学习原则 | 第24-26页 |
| 3.3 BP神经网络模型 | 第26-27页 |
| 3.3.1 BP神经网络结构 | 第26页 |
| 3.3.2 BP神经网络的学习算法 | 第26-27页 |
| 3.4 基于BP神经网络的轨道交通客流短时预测模型的设计 | 第27-29页 |
| 3.5 基于BP神经网络预测模型仿真实例 | 第29-34页 |
| 3.5.1 模型仿真 | 第29-31页 |
| 3.5.2 评价指标 | 第31-34页 |
| 3.6 小结 | 第34-35页 |
| 第四章 LM-BP神经网络在轨道交通客流短时预测中的应用 | 第35-45页 |
| 4.1 BP神经网络的优点和缺陷 | 第35页 |
| 4.2 LM-BP神经网络算法原理 | 第35-37页 |
| 4.3 LM-BP神经网络算法的步骤 | 第37-38页 |
| 4.4 基于LM-BP神经网络预测模型仿真实例 | 第38-40页 |
| 4.5 结果比较 | 第40-44页 |
| 4.6 小结 | 第44-45页 |
| 第五章 优化的LM-BP神经网络在轨道交通客流短时预测中的应用 | 第45-63页 |
| 5.1 基于遗传算法优化的LM-BP神经网络在轨道交通客流短时预测中的应用 | 第45-54页 |
| 5.1.1 遗传算法基本原理 | 第45-46页 |
| 5.1.2 基于遗传算法优化的LM-BP神经网络算法 | 第46-47页 |
| 5.1.3 基于遗传算法优化的LM-BP神经网络算法的设计 | 第47-48页 |
| 5.1.4 基于遗传算法优化的LM-BP神经网络预测模型仿真实例 | 第48-50页 |
| 5.1.5 基于遗传算法优化的LM-BP神经网络预测模型结果分析 | 第50-54页 |
| 5.2 基于粒子群算法优化的LM-BP神经网络在轨道交通客流短时预测中的应用 | 第54-62页 |
| 5.2.1 粒子群算法基本原理 | 第54-55页 |
| 5.2.2 基于粒子群算法优化的LM-BP神经网络算法的设计 | 第55-56页 |
| 5.2.3 基于粒子群算法优化的LM-BP神经网络预测模型仿真实例 | 第56-58页 |
| 5.2.4 基于粒子群算法优化的LM-BP神经网络预测模型结果分析 | 第58-62页 |
| 5.3 小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |
