| 中文摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题研究背景和意义 | 第10-12页 |
| ·交通问题现状和解决方法 | 第10-12页 |
| ·智能交通系统（ITS）国内、外发展概述 | 第12-13页 |
| ·智能交通系统（ITS）概述 | 第12-13页 |
| ·ITS 国内外发展现状 | 第13页 |
| ·交通流量预测的发展及研究现状 | 第13-16页 |
| ·基于解析数学模型的方法 | 第14-15页 |
| ·基于知识的智能预测方法的模型 | 第15-16页 |
| ·组合预测算法 | 第16页 |
| ·本文内容及创新点 | 第16-17页 |
| ·本文主要研究内容 | 第16-17页 |
| ·本文主要创新点 | 第17页 |
| ·论文结构 | 第17-19页 |
| 第2章 交通流特性、预测与分析 | 第19-28页 |
| ·交通流理论 | 第19-23页 |
| ·交通流采集 | 第19-20页 |
| ·交通流特性分析 | 第20-23页 |
| ·交通流可测性分析 | 第23页 |
| ·交通流预测 | 第23-27页 |
| ·交通流预测概述 | 第23-24页 |
| ·交通流数据预处理 | 第24-26页 |
| ·交通流预测性能评价指标 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于BP神经网络交通流预测模型研究 | 第28-43页 |
| ·BP 神经网络与学习算子 | 第28-33页 |
| ·神经网络概述 | 第28-31页 |
| ·BP 神经网络 | 第31-32页 |
| ·BP 神经网络学习算子 | 第32-33页 |
| ·基于BP 神经网络的交通流量预测 | 第33-39页 |
| ·交通流数据可预测性分析 | 第33-36页 |
| ·基于BP 神经网络预测算法设计与分析 | 第36-39页 |
| ·基于数学模型改进的BP 神经网络交通流量预测 | 第39-42页 |
| ·本章总结 | 第42-43页 |
| 第4章 结合智能优化算法的BP 神经网络交通流预测 | 第43-54页 |
| ·智能优化算法 | 第43-48页 |
| ·智能优化算法概述 | 第43-45页 |
| ·遗传算法 | 第45-47页 |
| ·粒子群算法 | 第47-48页 |
| ·结合遗传算法的BP 神经网络交通流量预测 | 第48-49页 |
| ·结合粒子群算法的BP神经网络交通流量预测 | 第49-53页 |
| ·结合标准粒子群的BP神经网络预测算法 | 第50-51页 |
| ·结合参数改进粒子群的BP神经网络预测算法 | 第51-53页 |
| ·本章总结 | 第53-54页 |
| 第5章 结合混沌与小波的神经网络交通流预测模型 | 第54-73页 |
| ·小波神经网络概述 | 第54-57页 |
| ·基于小波神经网络预测模型与仿真 | 第57-59页 |
| ·小波网络预测算法改进 | 第59-69页 |
| ·结合标准粒子群的小波网络算法改进 | 第59-61页 |
| ·结合改进粒子群的小波神经网络算法 | 第61-64页 |
| ·结合混沌的小波神经网络预测算法与分析 | 第64-67页 |
| ·结合混沌粒子群的小波网络预测算法 | 第67-69页 |
| ·预测算法比较总结 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 第6章 结论 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 发表论文和参加科研情况说明 | 第77-78页 |
| 致谢 | 第78页 |