| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究的目的及意义 | 第8页 |
| 1.2 汽车车速预测国内外研究现状 | 第8-10页 |
| 1.3 本文研究目的及主要内容 | 第10-12页 |
| 2 汽车车速预测的 BP 神经网络分类 | 第12-30页 |
| 2.1 汽车行驶工况特征参数初选 | 第12-15页 |
| 2.2 汽车行驶工况特征参数样本提取 | 第15-19页 |
| 2.2.1 行驶工况分类 | 第15-19页 |
| 2.2.2 样本长度确定与取样方法 | 第19页 |
| 2.3 汽车行驶工况特征参数非参数检验与相关性分析 | 第19-23页 |
| 2.3.1 Kruskal-Wallis 单因素方差分析 | 第19-21页 |
| 2.3.2 特征参数相关性分析 | 第21-23页 |
| 2.4 特征参数箱线图与 BP 神经网络分类 | 第23-28页 |
| 2.5 本章小结 | 第28-30页 |
| 3 基于 BP 神经网络的车速预测模型 | 第30-48页 |
| 3.1 神经网络概述 | 第30-31页 |
| 3.1.1 神经网络定义 | 第30页 |
| 3.1.2 神经元模型 | 第30-31页 |
| 3.2 BP 神经网络 | 第31-34页 |
| 3.2.1 BP 网络结构 | 第31-32页 |
| 3.2.2 BP 网络训练过程 | 第32-33页 |
| 3.2.3 BP 算法的缺陷和改进 | 第33-34页 |
| 3.3 BP 神经网络车速预测模型结构参数确定 | 第34-39页 |
| 3.3.1 BP 神经网络车速预测模型输入层神经元的确定 | 第34-35页 |
| 3.3.2 BP 神经网络车速预测模型输出层神经元的确定 | 第35页 |
| 3.3.3 BP 神经网络车速预测模型激活函数和训练算法的选择 | 第35-37页 |
| 3.3.4 BP 神经网络车速预测模型隐藏层及其神经元数的确定 | 第37-39页 |
| 3.4 BP 神经网络车速预测模型的训练和预测 | 第39-44页 |
| 3.4.1 BP 神经网络车速预测模型的训练 | 第39-41页 |
| 3.4.2 BP 神经网络车速预测模型的预测 | 第41-44页 |
| 3.5 BP 神经网络车速预测模型修正 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 4 遗传算法优化 BP 神经网络车速预测模型 | 第48-58页 |
| 4.1 遗传算法概述 | 第48-49页 |
| 4.1.1 遗传算法原理 | 第48-49页 |
| 4.1.2 遗传算法基本要素 | 第49页 |
| 4.2 遗传算法优化 BP 网络 | 第49-52页 |
| 4.2.1 算法流程 | 第49-50页 |
| 4.2.2 遗传算法优化 BP 神经网络设置 | 第50-52页 |
| 4.3 优化结果 | 第52-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 PSO-GA 联合优化 BP 神经网络车速预测模型 | 第58-74页 |
| 5.1 PSO 算法数学模型 | 第58-60页 |
| 5.2 基于车速预测模型的 PSO 算法改进 | 第60-64页 |
| 5.2.1 PSO 算法参数 | 第60-61页 |
| 5.2.2 惯性权重的改进 | 第61-62页 |
| 5.2.3 常规参数设定 | 第62-63页 |
| 5.2.4 边界值和初始化的改进 | 第63-64页 |
| 5.3 优化结果 | 第64-70页 |
| 5.4 PSO- GA 优化的 BP 神经网络 | 第70-72页 |
| 5.5 本章小结 | 第72-74页 |
| 6 结论与展望 | 第74-78页 |
| 6.1 论文总结 | 第74-75页 |
| 6.2 工作展望 | 第75-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-88页 |
| 附录 | 第88页 |
| A. 作者在攻读学位期间参与的科研项目 | 第88页 |
