基于BP神经网络的交通流量预测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 国外交通解决措施 | 第9-10页 |
| 1.2.2 交通流预测研究现状 | 第10-14页 |
| 1.3 研究内容 | 第14-16页 |
| 第二章 交通流预测方法研究 | 第16-30页 |
| 2.1 交通流预测综述 | 第16-19页 |
| 2.1.1 研究内容 | 第16页 |
| 2.1.2 预测流程 | 第16-18页 |
| 2.1.3 研究方法分类 | 第18-19页 |
| 2.2 常规预测方法 | 第19-23页 |
| 2.2.1 移动平均法 | 第19-20页 |
| 2.2.2 指数平滑法 | 第20-22页 |
| 2.2.3 趋势曲线法 | 第22-23页 |
| 2.3 智能预测方法 | 第23-29页 |
| 2.3.1 基于灰色系统理论的预测方法 | 第23-25页 |
| 2.3.2 基于人工神经网络的预测方法 | 第25-26页 |
| 2.3.3 灰色马尔科夫预测模型 | 第26-27页 |
| 2.3.4 遗传神经网络预测模型 | 第27-29页 |
| 2.4 小结 | 第29-30页 |
| 第三章 人工神经网络理论 | 第30-45页 |
| 3.1 人工神经网络的发展及特点 | 第30-31页 |
| 3.1.1 人工神经网络发展 | 第30-31页 |
| 3.1.2 人工神经网络特点 | 第31页 |
| 3.2 人工神经网络基本原理 | 第31-37页 |
| 3.2.1 神经元模型 | 第32-34页 |
| 3.2.2 神经网络结构 | 第34-35页 |
| 3.2.3 神经网络学习理论 | 第35-37页 |
| 3.3 人工神经网络 | 第37-44页 |
| 3.3.1 BP 神经网络 | 第38-40页 |
| 3.3.2 RBF 神经网络 | 第40-42页 |
| 3.3.3 小波神经网络 | 第42-44页 |
| 3.4 小结 | 第44-45页 |
| 第四章 交通流预测实例 | 第45-60页 |
| 4.1 预测实例描述 | 第45-48页 |
| 4.1.1 数据来源 | 第45页 |
| 4.1.2 数据分析 | 第45-48页 |
| 4.2 神经网络预测 | 第48-56页 |
| 4.2.1 数据预处理 | 第49-50页 |
| 4.2.2 网络构建 | 第50-51页 |
| 4.2.3 网络训练 | 第51-55页 |
| 4.2.4 网络预测 | 第55-56页 |
| 4.2.5 结果分析 | 第56页 |
| 4.3 BP 神经网络 GUI 仿真 | 第56-59页 |
| 4.3.1 开发环境与功能 | 第56-57页 |
| 4.3.2 软件模块与界面 | 第57-58页 |
| 4.3.3 GUI 仿真软件实现 | 第58-59页 |
| 4.4 小结 | 第59-60页 |
| 总结与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
