基于群智能算法优化SVR的短时交通流预测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 短时交通流预测研究现状 | 第10-15页 |
| 1.2.1 短时交通流预测特点与流程 | 第10-11页 |
| 1.2.2 国内外研究综述 | 第11-15页 |
| 1.3 论文主要研究内容 | 第15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 交通流预测基本理论 | 第18-25页 |
| 2.1 交通流基本特征参数 | 第18页 |
| 2.2 交通流数据选取和预处理 | 第18-19页 |
| 2.3 支持向量回归理论 | 第19-23页 |
| 2.3.1 统计学习理论基础 | 第19-20页 |
| 2.3.2 支持向量回归理论 | 第20-23页 |
| 2.4 基于SVR的短时交通流预测模型 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于人工鱼群算法优化SVR的短时交通流预测 | 第25-38页 |
| 3.1 支持向量回归参数优化 | 第25-26页 |
| 3.1.1 参数对SVR影响 | 第25页 |
| 3.1.2 参数选择研究现状 | 第25-26页 |
| 3.2 人工鱼群优化算法 | 第26-28页 |
| 3.2.1 群体智能基础 | 第26页 |
| 3.2.2 人工鱼群算法 | 第26-28页 |
| 3.3 AFS-SVR短时交通流预测模型 | 第28-30页 |
| 3.3.1 AFS-SVR模型流程 | 第28-30页 |
| 3.3.2 自适应搜索机制 | 第30页 |
| 3.4 仿真实验研究 | 第30-37页 |
| 3.4.1 实验数据及参数设置 | 第30-32页 |
| 3.4.2 对比模型与参数设置 | 第32-33页 |
| 3.4.3 实验评价指标 | 第33-34页 |
| 3.4.4 实验结果及分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 基于混合粒子群鱼群优化的短时交通流量预测 | 第38-49页 |
| 4.1 粒子群优化算法 | 第39-40页 |
| 4.2 粒子群优化人工鱼群的混合优化算法 | 第40-41页 |
| 4.2.1 PSO优化AFS混合算法 | 第40-41页 |
| 4.2.2 混沌初始化机制 | 第41页 |
| 4.3 CPSOAFS-SVR短时交通流预测模型 | 第41-43页 |
| 4.4 仿真实验研究 | 第43-48页 |
| 4.4.1 实验数据及参数 | 第43-44页 |
| 4.4.2 实验评价指标 | 第44页 |
| 4.4.3 实验结果及分析 | 第44-48页 |
| 4.5 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |
