模糊神经网络在交通流量预测中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-12页 |
| ·论文的选题背景和研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·论文的主要研究内容 | 第10-12页 |
| 2 交通流预测神经模糊建模 | 第12-29页 |
| ·模糊神经网络结构 | 第12-17页 |
| ·自适应模糊推理系统 | 第17-24页 |
| ·ANFIS结构 | 第17-19页 |
| ·混合学习算法 | 第19-24页 |
| ·基于神经网络集成的T-S系统 | 第24-29页 |
| ·T-S模糊模型的结构 | 第24-25页 |
| ·K-means聚类算法 | 第25-26页 |
| ·神经网络集成的T-S预测系统 | 第26-29页 |
| 3 交通流混沌性分析 | 第29-38页 |
| ·相关交通流时间序列 | 第29-30页 |
| ·相空间重构 | 第30-36页 |
| ·时间延迟的确定 | 第31-33页 |
| ·嵌入维数的确定 | 第33-34页 |
| ·交通流时间序列的时延及嵌入维 | 第34-36页 |
| ·交通流可预测性分析 | 第36-38页 |
| 4 交通流量预测实验与分析 | 第38-59页 |
| ·数据的预处理 | 第38页 |
| ·预测评价标准 | 第38-39页 |
| ·交通流量预测应用一 | 第39-50页 |
| ·常规神经网络方法预测 | 第40-44页 |
| ·基于ANFIS的交通流量预测 | 第44-45页 |
| ·基于神经网络集成的T-S系统方法的预测 | 第45-48页 |
| ·不同嵌入维数和延迟时间的预测性能分析 | 第48-50页 |
| ·交通流量预测应用二 | 第50-59页 |
| ·常规神经网络方法预测 | 第50-53页 |
| ·基于ANFIS的交通流量预测 | 第53-54页 |
| ·基于神经网络集成的T-S系统方法的预测 | 第54-57页 |
| ·不同嵌入维数和延迟时间的预测性能分析 | 第57-59页 |
| 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间的研究成果 | 第64页 |
