| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-16页 |
| 1.3.1 短时交通流预测理论的发展和研究状况 | 第10-13页 |
| 1.3.2 灰生成技术的研究现状 | 第13-16页 |
| 1.4 研究思路和研究内容 | 第16-18页 |
| 1.4.1 研究思路 | 第16页 |
| 1.4.2 研究内容 | 第16-18页 |
| 第2章 短时交通流特性与灰建模方法 | 第18-25页 |
| 2.1 短时交通流的特性分析 | 第18-20页 |
| 2.2 GM(1,1)模型的原理 | 第20-22页 |
| 2.3 应用实例 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于一阶累加生成技术的短时交通流预测模型 | 第25-41页 |
| 3.1 基于小波分析的GM(1,1)和ARMA(p,q)组合预测模型 | 第25-31页 |
| 3.1.1 小波的分解与重构理论 | 第26页 |
| 3.1.2 时间序列建模理论 | 第26-27页 |
| 3.1.3 基于小波分解和重构的GM-ARMA预测方法 | 第27页 |
| 3.1.4 实证分析 | 第27-31页 |
| 3.2 基于灰色作用量优化的GM(1,1|sin)动态预测模型 | 第31-40页 |
| 3.2.1 灰色作用量 | 第31-32页 |
| 3.2.2 GM(1,1|sin)优化模型的建立 | 第32-37页 |
| 3.2.3 GM(1,1|sin)模型的引理 | 第37-38页 |
| 3.2.4 实证分析 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 基于分数阶累加生成技术的短时交通流预测模型 | 第41-57页 |
| 4.1 基于分数阶累加的GM~((r))(1,1)模型 | 第41-43页 |
| 4.1.1 分数阶累加生成矩阵 | 第41页 |
| 4.1.2 GM~((r))(1,1)模型的建立 | 第41-43页 |
| 4.2 GM~((r))(1,1)模型的理论分析 | 第43-49页 |
| 4.2.1 GM~((r))(1,1)模型的几项特殊形式 | 第43-46页 |
| 4.2.2 累加生成序列的平移变换对模型参数的影响 | 第46-48页 |
| 4.2.3 原始数据矩阵变化对模型参数的影响 | 第48-49页 |
| 4.3 GM~((r))(1,1)模型的参数辨识 | 第49-55页 |
| 4.4 实证分析 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 本文主要的创新之处 | 第57页 |
| 5.2 研究展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间发表论文及参加科研项目情况 | 第63页 |
