基于伽玛分布与GAMLSS模型的短时交通流量预测
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 研究背景及意义 | 第6-15页 |
| 1.1 智能交通系统发展和现状 | 第7-8页 |
| 1.2 预测技术的发展与现状 | 第8-12页 |
| 1.2.1 交通预测方法的发展 | 第9-12页 |
| 1.2.2 模型存在的优势和不足 | 第12页 |
| 1.3 论文研究内容与结构安排 | 第12-15页 |
| 1.3.1 论文的研究内容 | 第12-14页 |
| 1.3.2 论文的结构安排 | 第14-15页 |
| 2 交通流量描述性分析及预处理 | 第15-20页 |
| 2.1 交通流量数据特性 | 第15-17页 |
| 2.1.1 周期性 | 第15-16页 |
| 2.1.2 相关性 | 第16页 |
| 2.1.3 随机性 | 第16-17页 |
| 2.2 交通流量异常数据检测 | 第17-18页 |
| 2.3 交通流量异常数据处理 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 GAMLSS模型 | 第20-27页 |
| 3.1 GAMLSS的发展 | 第20-23页 |
| 3.1.1 经典线性模型 | 第20页 |
| 3.1.2 广义线性模型 | 第20-21页 |
| 3.1.3 广义可加模型 | 第21-23页 |
| 3.2 GAMLSS模型的几种子模型和常用分布 | 第23-25页 |
| 3.2.1 GAMLSS模型的子模型 | 第23-24页 |
| 3.2.2 GAMLSS模型常用的分布 | 第24-25页 |
| 3.3 GAMLSS模型的参数估计 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 4 基于伽玛分布与GAMLSS的预测模型 | 第27-35页 |
| 4.1 伽玛分布 | 第27-28页 |
| 4.1.1 伽玛分布的数学形式 | 第27-28页 |
| 4.1.2 伽玛分布的特殊形式 | 第28页 |
| 4.2 数据变换 | 第28-31页 |
| 4.2.1 传统的数据变换 | 第29-30页 |
| 4.2.2 Box-Cox变换 | 第30-31页 |
| 4.3 交通流量预测模型 | 第31-34页 |
| 4.3.1 模型的解释变量 | 第31-32页 |
| 4.3.2 预测模型的建立 | 第32页 |
| 4.3.3 模型估计 | 第32-34页 |
| 4.4 本章小结 | 第34-35页 |
| 5 交通流量数据预测 | 第35-48页 |
| 5.1 数据整理 | 第35-36页 |
| 5.2 模型的评价指标 | 第36-38页 |
| 5.3 模型的选择 | 第38-42页 |
| 5.4 实验结果与分析 | 第42-47页 |
| 5.5 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-54页 |
