停车诱导系统中信息预测的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·项目研究背景 | 第7-9页 |
| ·PGS的现状 | 第9-10页 |
| ·PGS的发展趋势 | 第10-11页 |
| ·信息预测的实现方法 | 第11-12页 |
| ·论文研究内容 | 第12-13页 |
| ·论文的组织结构 | 第13-14页 |
| 第二章 相关技术介绍 | 第14-29页 |
| ·时间序列预测技术 | 第14-17页 |
| ·时间序列预测的传统方法 | 第14-15页 |
| ·非线性时间序列预测方法 | 第15-16页 |
| ·基于神经网络的时间序列预测方法 | 第16-17页 |
| ·BP神经网络技术 | 第17-28页 |
| ·神经网络概述 | 第17-20页 |
| ·BP网络模型结构 | 第20页 |
| ·BP网络学习过程 | 第20-21页 |
| ·BP网络学习算法 | 第21-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 停车诱导信息预报子系统的设计 | 第29-52页 |
| ·PGS的结构设计 | 第29-32页 |
| ·信息预报子系统的设计 | 第32-42页 |
| ·有效车位预测 | 第33页 |
| ·预测对象的转换 | 第33-34页 |
| ·子系统结构设计 | 第34-40页 |
| ·数据存储设计 | 第40-42页 |
| ·基于BP网络的车位占有率预测模型的设计 | 第42-51页 |
| ·预测模型构建步骤 | 第42-44页 |
| ·BP网络拓扑结构的设计 | 第44-47页 |
| ·神经元的激励函数的选定 | 第47页 |
| ·权值、阈值的初始值域的确定 | 第47-48页 |
| ·网络学习速率的确定 | 第48页 |
| ·BP算法的设计 | 第48-51页 |
| ·预测模型的结果评价 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第四章 停车诱导信息预报子系统的实现 | 第52-68页 |
| ·系统软件开发运行环境简介 | 第52页 |
| ·BP网络预测模型的实现 | 第52-58页 |
| ·神经网络类的定义 | 第53-55页 |
| ·神经网络计算过程实现 | 第55-58页 |
| ·车位占有率预测实验 | 第58-65页 |
| ·数据的选择和样本的准备 | 第58-60页 |
| ·实验结果及结论 | 第60-65页 |
| ·系统运行演示 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| ·论文工作总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 攻读学位期间发表的论文与项目经历 | 第74-75页 |
| 中文详细摘要 | 第75-77页 |
