短时交通流量混合预测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·本课题应用的背景及实际意义 | 第10-12页 |
| ·国内外发展概况 | 第12-14页 |
| ·本文主要的研究内容 | 第14-15页 |
| ·本文结构安排 | 第15-16页 |
| 第二章 交通流特性及交通流预测方法综述 | 第16-25页 |
| ·交通流及交通流理论 | 第16-19页 |
| ·交通流模型 | 第16-18页 |
| ·短时交通流量预测的基本原理 | 第18页 |
| ·本文所用交通流数据 | 第18-19页 |
| ·交通流预测方法 | 第19-23页 |
| ·预测性能指标 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于神经网络的交通流量预测 | 第25-34页 |
| ·BP神经网络 | 第25-28页 |
| ·BP网络结构 | 第26页 |
| ·BP学习算法 | 第26-28页 |
| ·RBF神经网络理论 | 第28-30页 |
| ·RBF神经网络的结构 | 第28-29页 |
| ·RBF神经网络的映射关系 | 第29页 |
| ·RBF网络的学习过程 | 第29-30页 |
| ·广义回归神经网络理论 | 第30-31页 |
| ·GRNN神经网络模型 | 第30-31页 |
| ·GRNN、RBF与BP网络模型比较分析 | 第31页 |
| ·神经网络交通流量预测仿真及结果分析 | 第31-33页 |
| ·BP神经网络仿真 | 第31页 |
| ·RBF神经网络仿真结果 | 第31-32页 |
| ·GRNN网络仿真结果 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 小波变换在短时交通流量预测中的应用 | 第34-40页 |
| ·小波分解与重构的基本原理 | 第34-37页 |
| ·连续小波变换 | 第34-35页 |
| ·离散小波变换 | 第35-36页 |
| ·多分辨率分析 | 第36页 |
| ·Mallat算法 | 第36-37页 |
| ·短时交通流小波分解与重构 | 第37-39页 |
| ·小波基的选择 | 第37页 |
| ·分解尺度的确定 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 混沌理论在短时交通流量预测中的应用 | 第40-50页 |
| ·混沌与分形理论 | 第40-42页 |
| ·混沌基本概念 | 第40页 |
| ·动力系统 | 第40-42页 |
| ·混沌特征量 | 第42-45页 |
| ·分数维 | 第42页 |
| ·Lyapunov指数 | 第42-44页 |
| ·Kolmogorov熵 | 第44-45页 |
| ·混沌特征参数的计算方法 | 第45-47页 |
| ·关联维数和嵌入维数的计算方法 | 第45-46页 |
| ·最大Lyapunov指数计算原理与方法 | 第46-47页 |
| ·短时交通流混沌仿真分析 | 第47-49页 |
| ·关联维数和嵌入维数的计算 | 第47-48页 |
| ·最大Lyapunov指数的计算 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 交通流量混合预测方法 | 第50-61页 |
| ·小波变换与ARMA混合预测方法 | 第50-57页 |
| ·平稳时间序列模型结构 | 第50-51页 |
| ·时间序列模型的识别 | 第51-52页 |
| ·ARMA模型的定阶 | 第52-53页 |
| ·ARMA模型的预测 | 第53-57页 |
| ·相空间重构与RBF神经网络混合预测方法 | 第57-59页 |
| ·时间延迟的计算原理与方法 | 第57页 |
| ·预测算法 | 第57-58页 |
| ·仿真结果分析 | 第58-59页 |
| ·神经网络预测与混合预测方法比较 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68页 |
