短时交通流预测的PSO-PLS组合预测模型研究
摘要 | 第1-4页 |
ABSTRACT | 第4-8页 |
1 绪论 | 第8-12页 |
·研究背景 | 第8-9页 |
·问题的提出及意义 | 第9-11页 |
·本文主要的研究内容 | 第11-12页 |
2 短时交通流预测研究综述 | 第12-19页 |
·基于传统统计理论的方法 | 第12-14页 |
·历史平均模型 | 第12-13页 |
·时间序列模型 | 第13页 |
·传统回归分析预测 | 第13页 |
·非参数回归方法 | 第13-14页 |
·卡尔曼滤波模型 | 第14页 |
·基于非线性理论的方法. | 第14-16页 |
·尖点突变理论 | 第14-15页 |
·小波理论 | 第15页 |
·混沌分形理论 | 第15-16页 |
·基于神经网络的方法 | 第16-18页 |
·基于新兴技术的预测方法 | 第18-19页 |
3 基于PSO-PLS 的组合预测模型 | 第19-28页 |
·基本微粒群(PSO)算法基本内容 | 第19-21页 |
·基本微粒群算法原理 | 第19-20页 |
·标准微粒群算法改进的主要方法 | 第20-21页 |
·偏最小二乘回归方法的基本内容 | 第21-24页 |
·多重共线性在回归建模中的危害 | 第21-22页 |
·多重共线性诊断 | 第22-23页 |
·偏最小二乘基本原理 | 第23页 |
·PLS 成分数目的确定 | 第23-24页 |
·PSO-PLS 组合预测模型 | 第24-28页 |
·组合预测模型研究综述 | 第24-26页 |
·基于PSO-PLS 的组合预测模型 | 第26-28页 |
4 短时交通流预测 | 第28-49页 |
·短时交通流预测的基本原理 | 第28页 |
·实验数据的采集 | 第28-29页 |
·环形线圈检测器方法 | 第28-29页 |
·超声波检测器方法 | 第29页 |
·视频检测器方法 | 第29页 |
·实验数据的预处理 | 第29-30页 |
·阀值法和基于多条规则的判断 | 第29-30页 |
·图像采集与处理 | 第30页 |
·单个模型的预测应用 | 第30-39页 |
·单个模型的选择 | 第30页 |
·单个预测模型应用 | 第30-39页 |
·PSO-PLS 组合预测模型对短时交通流的预测 | 第39-47页 |
·预测结果分析及对比 | 第47-49页 |
5 总结与展望 | 第49-51页 |
致谢 | 第51-52页 |
参考文献 | 第52-56页 |
附录 | 第56页 |
A.作者在攻读学位期间发表的论文目录 | 第56页 |
B.作者在攻读学位期间取得的科研成果目录 | 第56页 |