| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·论文的选题背景和研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文的主要研究内容 | 第11-13页 |
| 2 动态模糊神经网络模型及学习算法 | 第13-26页 |
| ·自适应神经模糊推理系统 | 第14-15页 |
| ·动态模糊神经网络结构 | 第15-18页 |
| ·动态模糊神经网络的学习算法 | 第18-24页 |
| ·D-FNN模糊规则产生准则 | 第18-20页 |
| ·D-FNN权值确定 | 第20-22页 |
| ·模糊规则的修剪 | 第22-24页 |
| ·小结 | 第24-26页 |
| 3 交通流时间序列混沌特性分析 | 第26-40页 |
| ·混沌理论 | 第26-27页 |
| ·相关交通流时间序列 | 第27-29页 |
| ·交通流可预测性分析 | 第29-30页 |
| ·交通流混沌特性判别 | 第30-39页 |
| ·交通流非线性特征量Lyapunov指数 | 第30-31页 |
| ·相空间重构理论 | 第31-32页 |
| ·时间延迟的确定 | 第32-34页 |
| ·嵌入维数的确定 | 第34-35页 |
| ·交通流时间序列的时延及嵌入维 | 第35-39页 |
| ·小结 | 第39-40页 |
| 4 预测实验与分析 | 第40-58页 |
| ·预测原理 | 第40-41页 |
| ·动态模糊神经网络用于时间序列预测 | 第41-43页 |
| ·样本数据的选取与预处理 | 第41-42页 |
| ·预测评价指标 | 第42-43页 |
| ·D-FNN初始参数设置 | 第43页 |
| ·Mackey-Glass混沌时间序列预测仿真 | 第43-46页 |
| ·D-FNN预测 | 第44-45页 |
| ·基于不同方法的Mackey-Glass混沌时间序列预测比较实验 | 第45-46页 |
| ·对北京某检测站短时交通流的实例预测 | 第46-51页 |
| ·D-FNN预测 | 第46-48页 |
| ·基于不同方法的短时交通流预测比较实验 | 第48-49页 |
| ·不同嵌入维数和时间延迟的预测性能分析 | 第49-51页 |
| ·对英国交通局公布的短时交通流的实例预测 | 第51-54页 |
| ·D-FNN预测 | 第51-52页 |
| ·基于不同方法的短时交通流预测比较实验 | 第52-53页 |
| ·不同嵌入维数和时间延迟的预测性能分析 | 第53-54页 |
| ·对德国维尔茨堡大学公布的视频网络流的实例预测 | 第54-57页 |
| ·D-FNN预测 | 第55-56页 |
| ·基于不同方法的视频网络流预测比较实验 | 第56页 |
| ·不同嵌入维数和时间延迟的预测性能分析 | 第56-57页 |
| ·小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读学位期间的研究成果 | 第63页 |