基于组合模型的交通流量预测方法
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 引言 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·发展现状 | 第10-11页 |
| ·应用项目背景 | 第11-12页 |
| ·研究工作 | 第12页 |
| ·论文结构 | 第12-14页 |
| 第2章 原始数据处理 | 第14-24页 |
| ·交通流三参数介绍 | 第14-15页 |
| ·交通流三参数的基本关系 | 第15-17页 |
| ·错误数据产生的原因 | 第17页 |
| ·错误数据的基本特征 | 第17-18页 |
| ·错误数据的判断 | 第18-20页 |
| ·数据缺失的判断 | 第18-19页 |
| ·错误数据的判断 | 第19-20页 |
| ·异常数据的判断 | 第20页 |
| ·数据处理方法 | 第20-24页 |
| ·数据修复 | 第20-21页 |
| ·数据校验 | 第21-24页 |
| 第3章 Elman神经网络预测模型 | 第24-31页 |
| ·神经网络介绍 | 第24页 |
| ·神经网络的拓扑结构 | 第24页 |
| ·Elman神经网络介绍 | 第24-26页 |
| ·Elman神经网络的基本结构 | 第24-26页 |
| ·激励函数 | 第26页 |
| ·基于Elman神经网络的交通预测模型 | 第26-27页 |
| ·模型结构介绍 | 第26-27页 |
| ·基于Elman神经网络的交通流量预测模型实现 | 第27-31页 |
| ·C#与MATLAB混合编程 | 第27-28页 |
| ·模型验证 | 第28-30页 |
| ·误差分析 | 第30-31页 |
| 第4章 历史趋势模型 | 第31-38页 |
| ·历史趋势法介绍 | 第31页 |
| ·一次指数平滑法 | 第31-32页 |
| ·二次指数平滑法 | 第32-34页 |
| ·三次指数平滑法 | 第34-35页 |
| ·基于历史趋势法的交通流量预测模型 | 第35-38页 |
| ·模型验证 | 第35-36页 |
| ·误差分析 | 第36-38页 |
| 第5章 非参数回归模型 | 第38-44页 |
| ·非参数回归模型介绍 | 第38-39页 |
| ·应用K邻域法的非参数回归预测模型 | 第39-42页 |
| ·历史数据准备与数据聚类 | 第39页 |
| ·基于相关性的状态向量定义 | 第39-41页 |
| ·相邻路段间的流量相关性分析 | 第41页 |
| ·K近邻搜索 | 第41页 |
| ·K近邻搜索算法介绍 | 第41-42页 |
| ·基于非参数回归法的预测模型实现 | 第42-44页 |
| ·误差分析 | 第42-44页 |
| 第6章 组合预测模型 | 第44-46页 |
| ·组合模型的算法思想 | 第44页 |
| ·方差-协方差法实现组合模型的预测 | 第44-46页 |
| ·算法分析 | 第44-46页 |
| 第7章 组合模型的实现与实验分析 | 第46-50页 |
| ·组合模型的实现与分析 | 第46-48页 |
| ·四种模型预测结果比较 | 第48-50页 |
| 第8章 总结与展望 | 第50-52页 |
| ·工作总结 | 第50页 |
| ·工作展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间参加的科研项目 | 第56-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |
