| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 论文结构 | 第16-19页 |
| 第二章 基于相似性特征的短期交通流预测算法 | 第19-25页 |
| 2.1 算法原理 | 第19-20页 |
| 2.2 算法步骤 | 第20-21页 |
| 2.3 仿真实验及结果分析 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 三种预测模型 | 第25-31页 |
| 3.1 预测模型 | 第25-26页 |
| 3.1.1 分合预测方法设计 | 第25页 |
| 3.1.2 三种预测模型 | 第25-26页 |
| 3.2 基的求解 | 第26-27页 |
| 3.3 离散小波分解 | 第27-30页 |
| 3.3.1 离散小波分解原理 | 第27-29页 |
| 3.3.2 小波分解算法步骤 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 数据预处理 | 第31-37页 |
| 4.1 离群数据的定义和分类 | 第31-34页 |
| 4.2 离群数据的排查和修复 | 第34-36页 |
| 4.3 本章小结 | 第36-37页 |
| 第五章 基于卡尔曼滤波的三种预测方法的实现 | 第37-53页 |
| 5.1 算法原理 | 第37-39页 |
| 5.2 算法步骤 | 第39-40页 |
| 5.3 数据描述 | 第40-41页 |
| 5.4 仿真实验及结果分析 | 第41-50页 |
| 5.4.1 存在离群点情形下的交通流预测 | 第41-44页 |
| 5.4.2 不同小波分解层数下交通流预测 | 第44-47页 |
| 5.4.3 数据波动范围较小时交通流预测 | 第47-48页 |
| 5.4.4 两层小波分解不同交通属性预测 | 第48-50页 |
| 5.5 本章小结 | 第50-53页 |
| 第六章 基于局部加权偏最小二乘的三种预测方法的实现 | 第53-69页 |
| 6.1 算法原理 | 第53-54页 |
| 6.1.1 JIT建模思想 | 第53页 |
| 6.1.2 偏最小二乘算法 | 第53-54页 |
| 6.1.3 局部加权偏最小二乘算法 | 第54页 |
| 6.2 算法步骤 | 第54-58页 |
| 6.3 仿真实验及结果分析 | 第58-67页 |
| 6.3.1 存在离群点情形下的交通流预测 | 第58-61页 |
| 6.3.2 不同小波分解层数下交通流预测 | 第61-64页 |
| 6.3.3 数据波动范围较小时交通流预测 | 第64-65页 |
| 6.3.4 两层小波分解不同交通属性预测 | 第65-67页 |
| 6.4 本章小结 | 第67-69页 |
| 第七章 三种预测模型的分析与讨论 | 第69-75页 |
| 7.1 存在离群点情形下的交通流预测结果对比 | 第69-70页 |
| 7.2 不同小波分解层数下交通流预测结果对比 | 第70-72页 |
| 7.3 数据波动范围较小时交通流预测结果对比 | 第72-73页 |
| 7.4 两层小波分解不同交通属性预测结果对比 | 第73页 |
| 7.5 本章小结 | 第73-75页 |
| 第八章 总结与展望 | 第75-77页 |
| 8.1 总结 | 第75页 |
| 8.2 展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间发表论文和参与项目 | 第83-85页 |
| 致谢 | 第85-86页 |