基于小波分析和遗传神经网络的短时城市交通流量预测研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究的背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·国内外短时交通流量预测主要模型 | 第13-16页 |
| ·论文的主要研究内容与研究方法 | 第16-19页 |
| 第二章 短时交通流量预测相关理论研究 | 第19-26页 |
| ·短时交通流量预测概念 | 第19页 |
| ·交通流的特性分析 | 第19-22页 |
| ·交通流量预测模型建立的原则 | 第22-23页 |
| ·短时交通流量预测模型的分类及特点 | 第23-24页 |
| ·短时交通流量预测评价指标 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 短时交通流量数据采集及预处理 | 第26-43页 |
| ·交通流量数据采集 | 第26-31页 |
| ·交通流量数据采集方法的选择 | 第26-27页 |
| ·短时交通流量数据统计 | 第27-31页 |
| ·交通流量数据的识别与修复 | 第31-33页 |
| ·异常数据的识别 | 第31-32页 |
| ·异常数据的修复 | 第32-33页 |
| ·基于小波分析的交通流量数据去噪处理 | 第33-43页 |
| ·小波分析基本理论 | 第33-35页 |
| ·常用小波函数 | 第35-38页 |
| ·小波去噪分析 | 第38-39页 |
| ·小波去噪数据处理 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 遗传神经网络预测短时交通流量模型的建立 | 第43-57页 |
| ·神经网络 | 第43-47页 |
| ·神经网络的特点及优越性 | 第43-44页 |
| ·BP神经网络 | 第44-47页 |
| ·遗传算法 | 第47-51页 |
| ·遗传算法的基本思想 | 第48页 |
| ·遗传算法的运行流程 | 第48-50页 |
| ·遗传算法的特点 | 第50页 |
| ·遗传算法控制参数的选择 | 第50-51页 |
| ·遗传算法优化神经网络的基本思想 | 第51-52页 |
| ·遗传神经网络短时交通流量预测模型构建 | 第52-55页 |
| ·遗传神经网络算法的运行流程 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 遗传神经网络训练及实例验证与比较分析 | 第57-71页 |
| ·训练样本的构造 | 第57-58页 |
| ·BP神经网络拓扑结构的确定 | 第58-62页 |
| ·遗传算法优化BP神经网络的权闽值 | 第62-63页 |
| ·遗传神经网络对短时交通流量的预测 | 第63-68页 |
| ·BP神经网络对短时交通流量预测(原始数据) | 第63-64页 |
| ·BP神经网络对短时交通流量预测(小波去噪数据) | 第64-65页 |
| ·遗传神经网络对短时交通流量预测(原始数据) | 第65-66页 |
| ·遗传神经网络对短时交通流量预测(小波去噪数据) | 第66-68页 |
| ·不同方法预测结果的对比分析 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 结论和展望 | 第71-73页 |
| ·结论 | 第71页 |
| ·研究展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76-78页 |
| 作者简历 | 第78-80页 |
| 学位论文数据集 | 第80页 |
