基于混沌和神经网络的短时交通流预测研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 引言 | 第9-15页 |
| ·选题背景及意义 | 第9页 |
| ·交通流预测的国内外研究现状 | 第9-13页 |
| ·主要研究内容及创新点 | 第13-15页 |
| ·主要研究内容 | 第13-14页 |
| ·创新点 | 第14-15页 |
| 第2章 人工神经网络预测方法基本理论及其改进 | 第15-36页 |
| ·人工神经网络基本理论及网络设计 | 第15-22页 |
| ·神经网络的结构和算法 | 第15-19页 |
| ·神经网络的设计 | 第19-22页 |
| ·BP算法研究及探讨 | 第22-27页 |
| ·标准BP算法 | 第22-24页 |
| ·BP网络结构的设计 | 第24-25页 |
| ·BP算法改进的探讨 | 第25-27页 |
| ·BP算法的改进 | 第27-31页 |
| ·激活函数的选取 | 第28-29页 |
| ·学习规则的改进 | 第29-31页 |
| ·基于BP神经网络的短时交通流预测及分析 | 第31-36页 |
| ·归一化处理与网络结构确定 | 第32-33页 |
| ·两种BP算法的预测结果及分析 | 第33-36页 |
| 第3章 混沌分析原理及方法 | 第36-49页 |
| ·混沌的概念及数学理论基础 | 第36-38页 |
| ·混沌的特征和测度 | 第38-45页 |
| ·混沌的定性特征 | 第38-40页 |
| ·Lyapunov指数 | 第40-41页 |
| ·拓扑熵与测度熵 | 第41-42页 |
| ·功率谱 | 第42-44页 |
| ·分形与分维 | 第44-45页 |
| ·混沌的识别 | 第45-49页 |
| ·混沌识别的意义 | 第45页 |
| ·识别混沌的方法 | 第45-49页 |
| 第4章 基于混沌神经网络的短时交通流预测及分析 | 第49-65页 |
| ·短时交通流量时间序列 | 第49页 |
| ·基于混沌神经网络的短时交通流量预测方法 | 第49-61页 |
| ·时间序列处理 | 第50-52页 |
| ·混沌特性识别 | 第52-54页 |
| ·相空间重构 | 第54-57页 |
| ·神经网络模型的构造 | 第57-60页 |
| ·时间序列恢复处理 | 第60页 |
| ·算法流程图 | 第60-61页 |
| ·基于混沌神经网络的短时交通流预测及分析 | 第61-65页 |
| ·数据混沌性的判别 | 第61-62页 |
| ·预测及结果分析 | 第62-65页 |
| 第5章 总结及展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的论文 | 第73页 |
