| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·选题的背景及意义 | 第9-13页 |
| ·交通问题的现状 | 第9-11页 |
| ·智能交通系统的进展与短时交通流 | 第11-12页 |
| ·神经网络在交通领域的应用 | 第12-13页 |
| ·短时交通流的预测 | 第13-17页 |
| ·短时交通流预测历史 | 第14-15页 |
| ·混沌理论引入短时交通流研究 | 第15-17页 |
| ·本文研究的主要内容 | 第17-19页 |
| 第二章 短时交通流混沌性分析的理论基础 | 第19-34页 |
| ·混沌 | 第19-22页 |
| ·混沌的认识 | 第19-21页 |
| ·混沌的定义 | 第21-22页 |
| ·混沌时间序列分析 | 第22-24页 |
| ·混沌时间序列分析技术 | 第22-23页 |
| ·混沌时间序列的相空间重构 | 第23-24页 |
| ·嵌入时间延迟τ和嵌入维数D_E 的选取 | 第24-29页 |
| ·嵌入时间延迟τ | 第25-26页 |
| ·嵌入维数D_E | 第26-29页 |
| ·时间序列的混沌识别 | 第29-34页 |
| ·分形维数 | 第29-30页 |
| ·关联维提取算法 | 第30-31页 |
| ·Lyapunov 指数 | 第31-32页 |
| ·最大可预报尺度 | 第32-34页 |
| 第三章 改进的神经网络预测模型的分析 | 第34-49页 |
| ·人工神经网络概述 | 第34-39页 |
| ·神经网络基本理论 | 第34-35页 |
| ·人脑神经元的基本模型 | 第35-37页 |
| ·BP 算法及其工作原理 | 第37-38页 |
| ·BP 算法的一般步骤 | 第38-39页 |
| ·对神经网络学习算法的改进 | 第39-40页 |
| ·传统BP 算法存在的缺点 | 第39页 |
| ·BP 学习算法的改进 | 第39-40页 |
| ·隔离小生境遗传算法优化BP 神经网络 | 第40-49页 |
| ·物种形成和隔离小生境技术的引入 | 第41-42页 |
| ·基于隔离小生境技术的遗传算法(IGA) | 第42-43页 |
| ·基于隔离小生境技术的遗传算法步骤 | 第43-44页 |
| ·隔离小生境遗传算法优化BP 神经网络步骤 | 第44-49页 |
| 第四章 混沌性短时交通流基于神经网络的预测模型应用 | 第49-56页 |
| ·短时交通流基于神经网络的预测模型 | 第49-51页 |
| ·网络结构的设计及样本的选取 | 第49-50页 |
| ·预测模型参数的自适应调整 | 第50-51页 |
| ·短时交通流基于神经网络预测模型步骤 | 第51页 |
| ·实例应用及分析 | 第51-56页 |
| 第五章 结论 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 在读期间完成的论文和参加的项目 | 第64页 |