| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·交通流预测概述 | 第10页 |
| ·交通流预测研究目的和意义 | 第10-11页 |
| ·交通流预测国内外研究现状 | 第11-13页 |
| ·主要研究内容与结构安排 | 第13-16页 |
| 第2章 交通流预测相关理论基础 | 第16-22页 |
| ·混沌时间序列基本理论 | 第16-17页 |
| ·混沌的定义 | 第16页 |
| ·混沌运动的特征量 | 第16-17页 |
| ·混沌时间序列 | 第17页 |
| ·小波神经网络 | 第17-19页 |
| ·小波神经网络发展及特点概述 | 第17-18页 |
| ·小波神经网络结构形式 | 第18-19页 |
| ·差分进化算法 | 第19-20页 |
| ·差分进化算法基本原理 | 第19-20页 |
| ·差分进化算法流程 | 第20页 |
| ·本章小结 | 第20-22页 |
| 第3章 基于相空间重构的交通流时间序列混沌特性分析 | 第22-31页 |
| ·交通流时间序列的相空间重构 | 第22-25页 |
| ·混沌理论在时间序列预测中的应用概述 | 第22页 |
| ·相空间重构理论 | 第22-23页 |
| ·时间延迟和嵌入维数选取方法 | 第23-24页 |
| ·交通流时间序列相空间重构实例 | 第24-25页 |
| ·交通流时间序列混沌特性识别 | 第25-30页 |
| ·时间序列混沌特性识别方法概述 | 第25-28页 |
| ·小数据量法计算最大李雅普诺夫指数 | 第28页 |
| ·交通流时间序列混沌特性验证实例仿真 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 相空间WNN模型的交通流预测 | 第31-47页 |
| ·基于WNN的交通流预测模型设计 | 第31-34页 |
| ·基于相空间的WNN交通流预测模型建模原理 | 第31-32页 |
| ·基于相空间WNN的交通流预测模型建模步骤 | 第32-34页 |
| ·小波神经网络应用设计研究 | 第34-36页 |
| ·小波神经网络层数及各层神经元个数的确定 | 第34页 |
| ·小波神经网络小波函数的选择 | 第34-35页 |
| ·小波神经网络梯度下降学习算法 | 第35页 |
| ·小波神经网络样本数据归一化处理 | 第35-36页 |
| ·交通流预测评价指标 | 第36页 |
| ·基于相空间WNN的交通流预测仿真实验与分析 | 第36-46页 |
| ·实验设置 | 第36-37页 |
| ·小波神经网络结构参数确定 | 第37-38页 |
| ·预测结果比较分析 | 第38-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 BSDE-WNN模型的短时交通流预测 | 第47-62页 |
| ·双自适应差分进化算法 | 第47-53页 |
| ·基本差分进化算法的缺陷及改进研究 | 第47-48页 |
| ·双自适应差分进化算法 | 第48-50页 |
| ·双自适应差分进化算法标准函数优化测试 | 第50-53页 |
| ·基于BSDE-WNN交通流预测模型设计 | 第53-55页 |
| ·采用BSDE算法优化WNN模型参数的原因概述 | 第54页 |
| ·基于BSDE-WNN的交通流预测模型建模步骤 | 第54-55页 |
| ·基于BSDE-WNN的交通流预测仿真实验与分析 | 第55-60页 |
| ·本章小结 | 第60-62页 |
| 总结与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士期间发表的学术论文 | 第68页 |