基于小波和傅立叶变换的道路交通量预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-15页 |
| 第1章 绪论 | 第15-37页 |
| ·课题背景 | 第15-17页 |
| ·研究的目的和意义 | 第17-18页 |
| ·国内外道路交通量预测研究现状 | 第18-33页 |
| ·道路交通量预测分析 | 第18-19页 |
| ·傅立叶和小波变换的发展及应用 | 第19-23页 |
| ·时间序列分析的发展及应用 | 第23-26页 |
| ·交通需求预测理论及其发展 | 第26-29页 |
| ·道路交通量预测方法综述 | 第29-32页 |
| ·国内外研究现状评述 | 第32-33页 |
| ·论文研究的内容及方法 | 第33-37页 |
| ·研究内容 | 第33-35页 |
| ·研究的技术路线与研究方法 | 第35-37页 |
| 第2章 道路交通量时间序列的预处理 | 第37-55页 |
| ·异常数据对预测的影响分析 | 第37-40页 |
| ·异常数据的分类 | 第37-38页 |
| ·异常数据对预测的影响 | 第38-40页 |
| ·基于小波变换的异常数据识别与修正 | 第40-54页 |
| ·常用的异常数据识别方法及其不足 | 第40-41页 |
| ·基于小波变换模极大值的异常数据辨识与修正 | 第41-47页 |
| ·异常数据识别与修正的应用 | 第47-54页 |
| ·本章小结 | 第54-55页 |
| 第3章 基于小波包分解的道路交通量预测方法 | 第55-85页 |
| ·交通量时间序列的小波包分解 | 第55-63页 |
| ·小波包变换及其不足 | 第55-58页 |
| ·基于周期延拓的边缘处理研究 | 第58-63页 |
| ·交通量时间序列的去噪研究 | 第63-70页 |
| ·小波去噪的原理 | 第63-64页 |
| ·非线性小波变换阈值法及其改进 | 第64-68页 |
| ·小波去噪在交通量时间序列中的应用 | 第68-70页 |
| ·时间序列的周期分析 | 第70-78页 |
| ·傅立叶变换 | 第70-72页 |
| ·时间序列的分解及周期分析 | 第72-78页 |
| ·各小波包分解项的组合策略研究 | 第78-84页 |
| ·小波包分解项分别建模预测 | 第79-83页 |
| ·基于倍周期的分解项合并策略 | 第83-84页 |
| ·本章小结 | 第84-85页 |
| 第4章 小波分解预测方法的优化 | 第85-110页 |
| ·道路交通量小波分解预测方法的进一步分析 | 第85-87页 |
| ·小时交通量时间序列中的混沌特性及其对预测的影响 | 第85-86页 |
| ·残差中的混沌特性分析 | 第86-87页 |
| ·基于小波包分解的混沌特性提取 | 第87-95页 |
| ·混沌特性的提取方法 | 第87-88页 |
| ·小时交通量中混沌交通量的提取 | 第88-89页 |
| ·残差中混沌交通量的提取 | 第89-92页 |
| ·日交通量数据中的混沌特性 | 第92-93页 |
| ·混沌特性的判定及分析方法 | 第93-95页 |
| ·混沌时间序列预测的组合模型 | 第95-105页 |
| ·混沌预测方法及其不足 | 第95-99页 |
| ·组合预测方法及步骤 | 第99-102页 |
| ·组合预测方法与其它两种混沌预测方法的应用对比 | 第102-105页 |
| ·小波分解模型的优化 | 第105-108页 |
| ·组合混沌预测模型与小波分解模型的结合 | 第105-107页 |
| ·分解小波的选择 | 第107-108页 |
| ·本章小结 | 第108-110页 |
| 第5章 道路交通量预测的实证研究 | 第110-134页 |
| ·小时交通量预测 | 第110-117页 |
| ·小时交通量的两种组合预测方式 | 第110-111页 |
| ·组合预测 | 第111-117页 |
| ·日交通量的预测 | 第117-126页 |
| ·预测结果 | 第117-121页 |
| ·去噪对预测结果的影响分析 | 第121-126页 |
| ·嵌入维对预测结果的影响 | 第126页 |
| ·异常数据对预测结果的影响分析 | 第126-133页 |
| ·异常数据对小时交通量预测的影响 | 第127-129页 |
| ·异常数据对日交通量预测的影响 | 第129-133页 |
| ·本章小结 | 第133-134页 |
| 结论 | 第134-136页 |
| 参考文献 | 第136-144页 |
| 攻读学位期间发表的学术论文 | 第144-146页 |
| 致谢 | 第146-147页 |
| 个人简历 | 第147页 |
