| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-25页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 交通流预测的研究现状 | 第13-21页 |
| 1.2.1 基于统计理论的模型 | 第15-17页 |
| 1.2.2 基于非线性理论的模型 | 第17-18页 |
| 1.2.3 基于智能理论的模型 | 第18-20页 |
| 1.2.4 基于组合理论的模型 | 第20-21页 |
| 1.3 研究内容 | 第21-22页 |
| 1.4 论文组织结构 | 第22-25页 |
| 第2章 基于SVM和GRNN改进的DGM交通流量预测模型 | 第25-36页 |
| 2.1 GM(1,1)模型 | 第25-26页 |
| 2.2 DGM(1,1)模型 | 第26-28页 |
| 2.3 DGM-GRNN组合预测模型的建立 | 第28-29页 |
| 2.3.1 GM-GRNN组合预测模型的建模思想 | 第28页 |
| 2.3.2 DGM-GRNN建模过程 | 第28-29页 |
| 2.4 DGM-SVM组合预测模型的建立 | 第29-30页 |
| 2.5 预测结果的评价指标 | 第30页 |
| 2.6 实验与分析 | 第30-34页 |
| 2.6.1 数据来源 | 第31页 |
| 2.6.2 单一模型与组合模型计算 | 第31-33页 |
| 2.6.3 实验结果分析 | 第33-34页 |
| 2.7 本章小结 | 第34-36页 |
| 第3章 基于粒子群优化的支持向量机回归预测模型 | 第36-52页 |
| 3.1 支持向量机 | 第36-44页 |
| 3.1.1 支持向量机理论 | 第36-38页 |
| 3.1.2 支持向量机回归原理 | 第38-41页 |
| 3.1.3 最小二乘支持向量机LSSVM原理 | 第41-42页 |
| 3.1.4 序列最小最优化支持向量机原理 | 第42-44页 |
| 3.2 支持向量机参数的选择及其优化 | 第44-45页 |
| 3.2.1 参数的影响 | 第44-45页 |
| 3.2.2 参数的优化方法 | 第45页 |
| 3.3 基于粒子群优化的支持向量机预测模型 | 第45-47页 |
| 3.3.1 传统的PSO算法 | 第45-47页 |
| 3.3.2 PSO-LSSVM与PSO-SMOSVM交通流量预测模型 | 第47页 |
| 3.4 实验与分析 | 第47-51页 |
| 3.4.1 数据来源 | 第47-49页 |
| 3.4.2 样本的表示及核函数的选取 | 第49页 |
| 3.4.3 实验结果分析 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于遗传算法优化的极限学习机预测模型 | 第52-64页 |
| 4.1 神经网络模型 | 第52-54页 |
| 4.1.1 神经元基本结构 | 第52页 |
| 4.1.2 神经网络的分类 | 第52-54页 |
| 4.2 ELM神经网络模型 | 第54-57页 |
| 4.3 基于遗传算法改进的极限学习机GA-ELM | 第57-59页 |
| 4.3.1 遗传算法的基本原理 | 第57-58页 |
| 4.3.2 GA-ELM模型的建立 | 第58-59页 |
| 4.4 实验与分析 | 第59-63页 |
| 4.4.1 数据来源与样本表示 | 第59页 |
| 4.4.2 实验结果分析 | 第59-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 基于组合模型的交通流量预测 | 第64-82页 |
| 5.1 灰色理论 | 第64-65页 |
| 5.1.1 GM(1,1)模型 | 第64-65页 |
| 5.1.2 GM(1,1)建模机理 | 第65页 |
| 5.1.3 模型精度评估 | 第65页 |
| 5.2 ARIMA系列模型 | 第65-68页 |
| 5.3 GRNN模型 | 第68-69页 |
| 5.3.1 GRNN的网络结构 | 第68-69页 |
| 5.3.2 GRNN建模过程 | 第69页 |
| 5.4 基于GM(1,1),ARIMA和GRNN的组合预测模型 | 第69-73页 |
| 5.4.1 基于GM(1,1),ARIMA和GRNN的定权组合模型 | 第70-71页 |
| 5.4.2 基于GM(1,1),ARIMA和GRNN的Elman组合模型 | 第71-73页 |
| 5.4.3 预测结果的评价指标 | 第73页 |
| 5.5 实验与分析 | 第73-81页 |
| 5.5.1 单一模型和组合模型计算 | 第73-77页 |
| 5.5.2 实验结果分析 | 第77-79页 |
| 5.5.3 组合模型对比分析 | 第79-81页 |
| 5.6 本章小结 | 第81-82页 |
| 第6章 预测模型综合对比研究 | 第82-87页 |
| 6.1 实验数据准备 | 第82-83页 |
| 6.2 实验与分析 | 第83-86页 |
| 6.2.1 实验一 | 第83-84页 |
| 6.2.2 实验二 | 第84-85页 |
| 6.2.3 对比分析 | 第85-86页 |
| 6.3 本章小结 | 第86-87页 |
| 第7章 结论与展望 | 第87-89页 |
| 7.1 结论 | 第87-88页 |
| 7.2 未来展望 | 第88-89页 |
| 参考文献 | 第89-100页 |
| 致谢 | 第100-101页 |
| 在学期间公开发表论文及著作情况 | 第101页 |
