| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·引言 | 第9页 |
| ·研究背景和意义 | 第9-12页 |
| ·短时交通流预测理论是ATMS高效运行的基础和依据 | 第10-11页 |
| ·短时交通流预测理论是先进的ATIS高效运行的基础和依据 | 第11-12页 |
| ·交通流预测的国内外研究现状 | 第12-14页 |
| ·本文研究内容及创新点 | 第14-16页 |
| 2 短时交通流预测相关理论 | 第16-26页 |
| ·短时交通流预测理论 | 第16-18页 |
| ·短时交通流预测原理 | 第16-17页 |
| ·短时交通流预测性能指标 | 第17-18页 |
| ·短时交通流现有研究理论分析 | 第18-23页 |
| ·时间序列预测方法 | 第19-20页 |
| ·卡尔曼滤波模型 | 第20-22页 |
| ·神经网络模型 | 第22-23页 |
| ·短时交通流的混沌分析 | 第23-25页 |
| ·交通流混沌分析 | 第23-24页 |
| ·交通流混沌现象研究 | 第24-25页 |
| ·小结 | 第25-26页 |
| 3 混沌的数学理论与预测应用 | 第26-37页 |
| ·混沌的基本知识 | 第26-29页 |
| ·混沌的基本概念 | 第27-28页 |
| ·混沌运动表现的特征 | 第28-29页 |
| ·混沌时间序列预测 | 第29页 |
| ·相空间重构 | 第29-30页 |
| ·相关参数的选择 | 第30-36页 |
| ·基于Lyapunov指数的混沌识别 | 第30-32页 |
| ·延迟时间τ和嵌入维数m的选取 | 第32-36页 |
| ·小结 | 第36-37页 |
| 4 径向基神经网络分析 | 第37-44页 |
| ·人工神经网络基本知识 | 第37-40页 |
| ·神经元结构 | 第37-38页 |
| ·网络结构和连接方式 | 第38页 |
| ·神经网络工作原理 | 第38-39页 |
| ·RBF神经网络和BP神经网络的比较 | 第39-40页 |
| ·径向基神经网络分析 | 第40-43页 |
| ·RBF网络模型及工作原理 | 第40-41页 |
| ·RBF网络学习算法 | 第41-43页 |
| ·小结 | 第43-44页 |
| 5 基于混沌与神经网络融合的预测模型 | 第44-52页 |
| ·基于混沌与神经网络融合的预测模刑分析 | 第44-46页 |
| ·短时交通流数据相空间重构 | 第44-45页 |
| ·结合相空间重构的RBF神经网络预测模型 | 第45-46页 |
| ·短时交通流的融合预测模型步骤 | 第46页 |
| ·实例应用与分析 | 第46-51页 |
| ·小结 | 第51-52页 |
| 6 结论与展望 | 第52-55页 |
| ·论文围绕道路交通流短时预测进行的工作 | 第52-53页 |
| ·混沌和神经网络融合模型的扩展构想 | 第53-54页 |
| ·研究展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间主要科研成果 | 第62页 |