基于小波网络的交通预测和道路择优的研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究的背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 交通流预测研究现状 | 第16-17页 |
| 1.2.2 智能交通国内外研究现状 | 第17-18页 |
| 1.3 论文主要研究内容 | 第18-19页 |
| 第二章 BP神经网络的不足及改进方法 | 第19-29页 |
| 2.1 神经网络发展历史及应用 | 第19-20页 |
| 2.2 神经网络基础理论 | 第20-23页 |
| 2.3 BP神经网络的改进方法 | 第23-28页 |
| 2.3.1 BP神经网络结构及学习算法 | 第23-25页 |
| 2.3.2 BP神经网络的不足 | 第25-26页 |
| 2.3.3 BP神经网络的改进方法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 改进小波网络预测模型研究 | 第29-48页 |
| 3.1 遗传算法 | 第29-31页 |
| 3.1.1 遗传算法的基本原理 | 第29-30页 |
| 3.1.2 遗传算法的操作步骤 | 第30页 |
| 3.1.3 遗传算法的特点 | 第30-31页 |
| 3.2 小波网络 | 第31-33页 |
| 3.2.1 小波函数 | 第31-32页 |
| 3.2.2 小波神经网络 | 第32-33页 |
| 3.2.3 小波网络与普通BP网络性能比较 | 第33页 |
| 3.3 改进的遗传算法优化小波网络 | 第33-45页 |
| 3.3.1 小波网络模型 | 第33-35页 |
| 3.3.2 数据处理及网络结构确定 | 第35-41页 |
| 3.3.3 三段式遗传进化算法优化网络权值和因子 | 第41-45页 |
| 3.4 改进遗传算法优化过程比较分析 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 优化的小波网络预测交通流的研究与应用 | 第48-68页 |
| 4.1 优化的网络预测交通流仿真分析 | 第48-50页 |
| 4.2 基于时间权重的道路择优 | 第50-62页 |
| 4.2.1 道路择优的目标确定 | 第50-51页 |
| 4.2.2 时间权重的计算方式确定 | 第51-54页 |
| 4.2.3 基于预测的道路模型分析 | 第54-62页 |
| 4.3 基于时间权重的路网道路选择 | 第62-65页 |
| 4.3.1 基于预测时间权重模拟路网的确定 | 第62页 |
| 4.3.2 Dijkstra算法选择最短路径 | 第62-65页 |
| 4.4 基于预测算法的软件设计 | 第65-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第五章 总结及展望 | 第68-70页 |
| 5.1 总结 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第73页 |
