| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景及其意义 | 第8-9页 |
| 1.2 国内外研究发展现状 | 第9-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 本文的结构安排 | 第12-13页 |
| 第二章 时间序列预测分析方法 | 第13-19页 |
| 2.1 时间序列的概念及特征 | 第13-14页 |
| 2.1.1 基本概念 | 第13页 |
| 2.1.2 时间序列的特性分析 | 第13-14页 |
| 2.2 时间序列基本模型 | 第14-16页 |
| 2.2.1 AR模型 | 第15页 |
| 2.2.2 MA模型 | 第15页 |
| 2.2.3 ARMA模型 | 第15页 |
| 2.2.4 ARIMA模型 | 第15-16页 |
| 2.3 支持向量机 | 第16-17页 |
| 2.4 小波变换 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 基于开方变换的交通流预测优化 | 第19-38页 |
| 3.1 开方变换分离白噪声 | 第19-20页 |
| 3.2 开方变换在交通流预测中的优势 | 第20-25页 |
| 3.2.1 开方变换泰勒级数展开形式的均值 | 第22-24页 |
| 3.2.2 开方变换泰勒级数展开形式的方差 | 第24-25页 |
| 3.3 几种常用误差指标综合评价体系 | 第25-28页 |
| 3.4 六种非高斯分布检验解析公式 | 第28-33页 |
| 3.5 短时交通流时间序列数值实验 | 第33-36页 |
| 3.5.1 稳健性的提高 | 第33-35页 |
| 3.5.2 预测准确性的提高 | 第35-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 基于偏最小二乘回归的交通流预测优化 | 第38-44页 |
| 4.1 偏最小二乘回归方法简介 | 第38-39页 |
| 4.2 基于偏最小二乘回归预测的建模过程 | 第39-41页 |
| 4.3 短时交通流预测实例 | 第41-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第五章 减小统计间隔提高短期交通流预测的效果 | 第44-52页 |
| 5.1 减小统计间隔以提高短期交通流预测的效果 | 第44-48页 |
| 5.1.1 近大远小原则与历史样本的时间区间 | 第44-45页 |
| 5.1.2 历史样本的时间长度与Shannon采样定理 | 第45页 |
| 5.1.3 历史样本的容量与点估计的置信区间 | 第45-46页 |
| 5.1.4 交通流预测实例与误差分析 | 第46-48页 |
| 5.2 缩短统计间隔提高风速预测的效果 | 第48-51页 |
| 5.2.1 风速预测分析及实验 | 第48-51页 |
| 5.2.2 结论 | 第51页 |
| 5.3 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 发表论文和参加科研情况说明 | 第58-59页 |
| 致谢 | 第59-60页 |