基于改进神经网络的垂直交通流预测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 电梯垂直交通流预测发展动态 | 第10-12页 |
| 1.2.2 神经网络在电梯交通流预测中的应用 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 第二章 电梯交通流预测分析 | 第14-21页 |
| 2.1 电梯交通流采集与预处理 | 第14-15页 |
| 2.2 电梯交通流特性分析 | 第15-19页 |
| 2.2.1 时间序列分析 | 第15-19页 |
| 2.2.2 四种典型时段电梯交通特性分析 | 第19页 |
| 2.3 电梯交通流预测过程 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于BP神经网络的电梯交通流预测 | 第21-42页 |
| 3.1 人工神经网络概述 | 第21-27页 |
| 3.1.1 人工神经网络的发展 | 第21-22页 |
| 3.1.2 神经元模型分析 | 第22-24页 |
| 3.1.3 神经网络结构类型 | 第24-25页 |
| 3.1.4 神经网络学习算法 | 第25-27页 |
| 3.2 BP神经网络 | 第27-32页 |
| 3.2.1 BP网络结构 | 第27-28页 |
| 3.2.2 BP学习算法 | 第28-31页 |
| 3.2.3 BP算法改进 | 第31-32页 |
| 3.3 BP神经网络电梯交通流预测模型 | 第32-40页 |
| 3.3.4 输入输出节点的确定 | 第33-36页 |
| 3.3.5 样本的生成 | 第36-37页 |
| 3.3.6 隐层节点设计 | 第37-38页 |
| 3.3.7 BP神经网络在电梯交通流预测中的应用 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于蚁群优化神经网络的电梯交通流预测 | 第42-55页 |
| 4.1 蚁群优化算法概述 | 第42-43页 |
| 4.2 蚁群算法的数学模型 | 第43-50页 |
| 4.2.1 TSP中的蚁群优化算法 | 第43-45页 |
| 4.2.2 蚁群算法改进 | 第45-46页 |
| 4.2.3 蚁群算法仿真分析 | 第46-50页 |
| 4.3 基于蚁群优化神经网络的电梯交通流预测 | 第50-54页 |
| 4.3.1 ACO算法改进BP网络策略 | 第50-52页 |
| 4.3.2 实例仿真分析 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 发表论文和参加科研情况说明 | 第60-61页 |
| 致谢 | 第61-62页 |
