| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 短时交通流研究现状 | 第14-16页 |
| 1.2.2 基于神经网络的短时交通流预测研究现状 | 第16-17页 |
| 1.2.3 交通流中集成算法研究现状 | 第17-18页 |
| 1.3 研究内容 | 第18-19页 |
| 1.4 结构安排 | 第19-21页 |
| 第2章 交通流数据分析及处理 | 第21-28页 |
| 2.1 交通流预测参数 | 第21-22页 |
| 2.2 交通数据来源 | 第22页 |
| 2.3 交通流数据预处理 | 第22-27页 |
| 2.3.1 交通流数据修复 | 第22-23页 |
| 2.3.2 交通流数据降噪 | 第23-25页 |
| 2.3.3 多维数据重构及归一化 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于BP神经网络的交通流短时预测 | 第28-35页 |
| 3.1 BP神经网络相关理论 | 第28-30页 |
| 3.2 BP神经网络预测 | 第30-32页 |
| 3.2.1 BP神经网络相关参数 | 第30页 |
| 3.2.2 基于BP神经网络交通流预测流程 | 第30-32页 |
| 3.3 实验仿真及结果分析 | 第32-34页 |
| 3.3.1 实验评价指标 | 第32页 |
| 3.3.2 实验结果及对比分析 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于IBA-BP的交通流短时预测 | 第35-43页 |
| 4.1 蝙蝠算法 | 第35-37页 |
| 4.1.1 蝙蝠行为特征 | 第35-36页 |
| 4.1.2 蝙蝠算法原理 | 第36-37页 |
| 4.2 改进蝙蝠算法 | 第37页 |
| 4.3 基于IBA-BP的交通流短时预测 | 第37-38页 |
| 4.4 实验仿真及结果对比分析 | 第38-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 基于Bagging-IBA-BP的交通流短时预测 | 第43-51页 |
| 5.1 Bagging集成学习相关理论 | 第43-45页 |
| 5.2 基于Bagging-IBA-BP短时交通流预测 | 第45-47页 |
| 5.3 实验仿真及结果分析 | 第47-50页 |
| 5.4 本章小结 | 第50-51页 |
| 总结与展望 | 第51-53页 |
| 总结 | 第51页 |
| 展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第59-60页 |
| 附录B 攻读学位期间所参与的科研项目 | 第60页 |