| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第1章 绪论 | 第12-17页 |
| ·课题的研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·论文的主要研究内容与贡献 | 第15页 |
| ·论文的组织结构与安排 | 第15-17页 |
| 第2章 短时交通流预测相关理论和关键技术 | 第17-31页 |
| ·交通流预测相关理论 | 第17-21页 |
| ·短时交通流的特性分析 | 第17-18页 |
| ·短时交通流预测概念 | 第18-19页 |
| ·短时交通流量预测模型建立的原则 | 第19页 |
| ·短时交通流量预测模型的分类及特点 | 第19-20页 |
| ·短时交通流量预测评价指标 | 第20-21页 |
| ·数据挖掘相关知识 | 第21-23页 |
| ·数据挖掘的概念 | 第21-22页 |
| ·现有的数据挖掘知识(数据挖掘与知识发现) | 第22页 |
| ·数据挖掘的方法及工具(数据挖掘的任务及应用) | 第22-23页 |
| ·遗传算法 | 第23-26页 |
| ·遗传算法的概念 | 第23页 |
| ·遗传算法的特点 | 第23-25页 |
| ·遗传算法的运行流程 | 第25-26页 |
| ·神经网络相关理论和关键技术 | 第26-30页 |
| ·神经网络的概念和特点 | 第26-27页 |
| ·神经网络模型 | 第27页 |
| ·神经网路的学习方法 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于小波神经网络的预测模型 | 第31-42页 |
| ·小波神经网络理论 | 第31-32页 |
| ·小波理论 | 第31页 |
| ·小波神经网络 | 第31-32页 |
| ·小波神经网络学习算法的推导 | 第32-39页 |
| ·小波神经网络结构各层节点的确定 | 第32-33页 |
| ·小波神经网络学习算法 | 第33页 |
| ·小波神经网络算法推导 | 第33-37页 |
| ·小波神经网络改进算法研究 | 第37-39页 |
| ·仿真实验 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 遗传算法优化Elman神经网络的短时交通流预测模型 | 第42-51页 |
| ·Elman神经网络理论基础 | 第42-44页 |
| ·Elman神经网络结构描述 | 第42-43页 |
| ·Elman神经网络的学习过程 | 第43-44页 |
| ·基于Elman神经网络的短时交通流预测模型建立 | 第44-46页 |
| ·实验数据的选取和预处理 | 第44-45页 |
| ·Elman神经网络建模 | 第45-46页 |
| ·Elman网络预测结果分析 | 第46页 |
| ·遗传算法优化Elman神经网络 | 第46-50页 |
| ·遗传算法优化Elman神经网络模型 | 第46-47页 |
| ·模型的工作流程 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第58页 |