| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 论文结构 | 第19-20页 |
| 第2章 交通流理论分析 | 第20-26页 |
| 2.1 交通流基本参数 | 第20-24页 |
| 2.1.1 流量 | 第20页 |
| 2.1.2 速度 | 第20-22页 |
| 2.1.3 密集度 | 第22-24页 |
| 2.2 交通流特性分析 | 第24-25页 |
| 2.3 交通流预测方法的概念与分类 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 交通流量数据的采集与预处理 | 第26-36页 |
| 3.1 交通流量数据的采集 | 第26-27页 |
| 3.1.1 人工采集法 | 第26页 |
| 3.1.2 自动采集法 | 第26-27页 |
| 3.2 交通流量数据的修补 | 第27页 |
| 3.3 基于小波分析的数据去噪处理 | 第27-34页 |
| 3.3.1 基本理论 | 第28页 |
| 3.3.2 常用小波函数 | 第28-31页 |
| 3.3.3 小波去噪原理 | 第31-32页 |
| 3.3.4 小波分解层数的选择 | 第32-34页 |
| 3.4 基于相关系数的数据处理选取 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 神经网络理论与模型的建立 | 第36-55页 |
| 4.1 神经网络 | 第36-46页 |
| 4.1.1 神经元 | 第36页 |
| 4.1.2 MP模型 | 第36-38页 |
| 4.1.3 单层神经网络 | 第38-40页 |
| 4.1.4 BP神经网络分析 | 第40-44页 |
| 4.1.5 Elman神经网络分析 | 第44-46页 |
| 4.2 人工蜂群优化算法 | 第46-53页 |
| 4.2.1 生物学机理 | 第46-47页 |
| 4.2.2 模型原理 | 第47-49页 |
| 4.2.3 人工蜂群优化算法建立模型的流程 | 第49-52页 |
| 4.2.4 人工蜂群优化算法的特点 | 第52页 |
| 4.2.5 人工蜂群优化算法与其他优化算法的比较 | 第52-53页 |
| 4.3 模型评价 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 神经网络训练及实例验证与分析 | 第55-62页 |
| 5.1 训练样本的构造 | 第55-56页 |
| 5.2 确定神经网络结构 | 第56-57页 |
| 5.3 神经网络的训练对比 | 第57-60页 |
| 5.3.1 BP神经网络训练与预测 | 第57-58页 |
| 5.3.2 Elman神经网络训练与预测 | 第58-59页 |
| 5.3.3 人工蜂群优化算法优化的BP神经网络训练与预测 | 第59-60页 |
| 5.4 结果分析 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 总结与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第67-68页 |
| 致谢 | 第68页 |