机器学习在交通流预测中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 机器学习简介 | 第8-10页 |
| 1.2 交通流预测理论发展进程 | 第10-12页 |
| 1.3 本文主要内容 | 第12-13页 |
| 第二章 预测模型的理论介绍 | 第13-27页 |
| 2.1 提升树介绍 | 第13-21页 |
| 2.1.1 偏差方差分解 | 第13-15页 |
| 2.1.2 目标函数 | 第15页 |
| 2.1.3 集成学习 | 第15-16页 |
| 2.1.4 决策树 | 第16-19页 |
| 2.1.5 提升树 | 第19-21页 |
| 2.2 时间序列分析介绍 | 第21-24页 |
| 2.2.1 时间序列分析 | 第21-23页 |
| 2.2.2 ARMA模型 | 第23页 |
| 2.2.3 ARIMA模型 | 第23-24页 |
| 2.3 神经网络介绍 | 第24-27页 |
| 2.3.1 神经网络 | 第24-25页 |
| 2.3.2 循环神经网络 | 第25-27页 |
| 第三章 模型设计 | 第27-42页 |
| 3.1 数据来源 | 第27-29页 |
| 3.2 数据预处理 | 第29-32页 |
| 3.3 提升树模型 | 第32-35页 |
| 3.3.1 实验设置 | 第32-33页 |
| 3.3.2 结果分析 | 第33-35页 |
| 3.4 时间序列模型 | 第35-39页 |
| 3.4.1 实验设置 | 第35-38页 |
| 3.4.2 结果分析 | 第38-39页 |
| 3.5 神经网络模型 | 第39-42页 |
| 3.5.1 实验设置 | 第39-40页 |
| 3.5.2 结果分析 | 第40-42页 |
| 第四章 总结展望 | 第42-44页 |
| 4.1 总结 | 第42页 |
| 4.2 展望 | 第42-44页 |
| 参考文献 | 第44-49页 |
| 致谢 | 第49页 |
