| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·本文研究的背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·交通流预测国内外研究现状 | 第11-13页 |
| ·粒子群优化神经网络国内外研究现状 | 第13页 |
| ·本文的研究内容和组织结构 | 第13-15页 |
| 第2章 交通流短时预测相关理论 | 第15-28页 |
| ·交通流三要素 | 第15-19页 |
| ·短时交通流预测理论 | 第19-22页 |
| ·短时交通流预测原理 | 第19页 |
| ·短时交通流预测特性及流程 | 第19-20页 |
| ·交通流数据采集及预处理 | 第20-22页 |
| ·短时交通流预测方法 | 第22-24页 |
| ·基于数学模型的预测方法 | 第22-23页 |
| ·基于知识发现的智能模型预测方法 | 第23-24页 |
| ·基于交通模拟的预测方法 | 第24页 |
| ·基于信息融合的短时交通流预测模型 | 第24-27页 |
| ·信息融合技术 | 第24-25页 |
| ·融合多种模型的预测模型 | 第25-26页 |
| ·方法间的融合预测模型 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于神经网络的短时交通流预测 | 第28-45页 |
| ·神经网络 | 第28页 |
| ·基于BP神经网络的短时交通流预测 | 第28-37页 |
| ·BP神经网络预测模型 | 第28-30页 |
| ·BP神经网络预测算法 | 第30-31页 |
| ·预测性能指标 | 第31-32页 |
| ·交通流数据来源及预测路口模型 | 第32-33页 |
| ·预测仿真实现 | 第33-36页 |
| ·仿真结果及分析 | 第36-37页 |
| ·基于小波神经网络的短时交通流预测 | 第37-44页 |
| ·小波神经网络 | 第37-39页 |
| ·小波神经网络预测模型 | 第39-40页 |
| ·预测算法 | 第40-42页 |
| ·预测仿真实现 | 第42-43页 |
| ·仿真结果及分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于粒子群优化神经网络的短时交通流预测 | 第45-57页 |
| ·粒子群优化算法 | 第45-47页 |
| ·算法原理 | 第45-46页 |
| ·算法流程 | 第46-47页 |
| ·粒子群优化算法的改进 | 第47-48页 |
| ·加入调整型惯性权重 | 第47-48页 |
| ·加入收缩因子 | 第48页 |
| ·自适应变异 | 第48页 |
| ·基于自适应变异粒子群优化小波神经网络的短时交通流预测 | 第48-56页 |
| ·粒子群优化小波神经网络的预测模型 | 第48-49页 |
| ·自适应变异粒子群优化小波神经网络的预测模型 | 第49-50页 |
| ·预测仿真实现 | 第50-52页 |
| ·仿真结果及分析 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 基于混沌粒子群优化小波神经网络的交通流预测 | 第57-66页 |
| ·混沌理论 | 第57-60页 |
| ·混沌的概念 | 第57-58页 |
| ·混沌的特性 | 第58-59页 |
| ·混沌的搜索机制 | 第59-60页 |
| ·混沌粒子群优化算法 | 第60-61页 |
| ·混沌粒子群优化小波神经网络 | 第61-62页 |
| ·基于混沌粒子群优化小波神经网络的短时交通流预测 | 第62-65页 |
| ·预测仿真实现 | 第62-64页 |
| ·仿真结果及分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-67页 |
| ·总结 | 第66页 |
| ·后续及工作展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间参加的科研项目和成果 | 第71页 |