| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景与意义 | 第9-11页 |
| ·短时交通流预测研究现状 | 第11-14页 |
| ·主要研究内容及结构 | 第14-16页 |
| ·主要研究内容 | 第14-15页 |
| ·论文结构 | 第15-16页 |
| 第二章 短时交通流预测方法分析 | 第16-23页 |
| ·交通流特性分析 | 第16页 |
| ·短时交通流预测主要方法分析 | 第16-23页 |
| ·非参数回归预测法 | 第17页 |
| ·时间序列预测法 | 第17-19页 |
| ·卡尔曼滤波模型 | 第19-20页 |
| ·神经网络模型 | 第20-21页 |
| ·灰色理论预测法 | 第21-22页 |
| ·多模型组合预测法 | 第22-23页 |
| 第三章 混沌分析和小波神经网络的基本原理 | 第23-35页 |
| ·混沌的定义 | 第23-24页 |
| ·相空间重构 | 第24-26页 |
| ·混沌特征量 | 第26-30页 |
| ·关联维数 | 第26-29页 |
| ·Lyapunov指数 | 第29-30页 |
| ·最大可预报尺度 | 第30页 |
| ·人工神经网络基本理论 | 第30-31页 |
| ·小波神经网络研究 | 第31-35页 |
| ·小波理论 | 第31-32页 |
| ·小波神经网络 | 第32-33页 |
| ·小波神经网络结构 | 第33-35页 |
| 第四章 基于混沌和小波神经网络的短时交通流预测模型 | 第35-46页 |
| ·短时交通流时间序列 | 第35页 |
| ·基于混沌和小波神经网络的预测模型 | 第35-46页 |
| ·时间序列处理 | 第36-37页 |
| ·重构相空间参数m和τ的确定 | 第37-39页 |
| ·神经网络模型构造 | 第39-44页 |
| ·时间序列恢复 | 第44-45页 |
| ·算法流程图 | 第45-46页 |
| 第五章 基于混沌和小波神经网络的短时交通流预测实例 | 第46-58页 |
| ·数据来源 | 第46-51页 |
| ·数据处理及预测 | 第51-55页 |
| ·时间序列处理 | 第51-53页 |
| ·数据混沌性的判断 | 第53-54页 |
| ·数据预测 | 第54-55页 |
| ·预测结果分析 | 第55-58页 |
| ·预测结果评价指标 | 第55-56页 |
| ·预测结果分析 | 第56-58页 |
| 第六章 结论及展望 | 第58-60页 |
| ·论文所做工作总结 | 第58-59页 |
| ·研究展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第64页 |