基于支持向量机的高速公路交通量预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·交通量预测发展现状 | 第10页 |
| ·支持向量机研究现状 | 第10-12页 |
| ·主要内容以及论文结构 | 第12-14页 |
| 第二章 交通收费数据的采集和预处理 | 第14-23页 |
| ·陕西省联网收费原始数据 | 第14-17页 |
| ·出口站数据 | 第14-16页 |
| ·路网结构 | 第16-17页 |
| ·陕西省收费数据采集 | 第17-19页 |
| ·陕西省收费数据预处理 | 第19-20页 |
| ·收费数据的日平均交通量转换 | 第20-22页 |
| ·MADT的计算 | 第20-21页 |
| ·当量换算 | 第21页 |
| ·目标数据集 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 交通量预测方法研究 | 第23-37页 |
| ·传统交通量预测方法 | 第23-24页 |
| ·时间序列预测方法 | 第23-24页 |
| ·交通量组合预测法 | 第24页 |
| ·灰色预测方法 | 第24-27页 |
| ·交通量灰色预测模型的建立 | 第24-26页 |
| ·西潼高速交通量灰色预测 | 第26-27页 |
| ·BP神经网络预测方法 | 第27-33页 |
| ·BP神经网络原理 | 第29-30页 |
| ·交通量BP神经网络预测模型设计 | 第30-31页 |
| ·西童高速交通量BP神经网络预测 | 第31-33页 |
| ·RBF神经网络预测方法 | 第33-35页 |
| ·RBF神经网络基本原理 | 第33-34页 |
| ·交通量RBF神经网络预测模型的设计 | 第34页 |
| ·西潼高速交通量RBF神经网络预测 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 基于支持向量机的预测模型研究 | 第37-55页 |
| ·支持向量机的理论基础 | 第37-45页 |
| ·统计学习理论 | 第37-39页 |
| ·支持向量机原理 | 第39-41页 |
| ·支持向量机回归 | 第41-45页 |
| ·支持向量机交通量预测模型的设计 | 第45-49页 |
| ·样本预处理 | 第46-47页 |
| ·核函数的选择 | 第47-48页 |
| ·模型参数选择算法 | 第48-49页 |
| ·西潼高速支持向量机预测 | 第49-53页 |
| ·样本的采集及预处理 | 第49-51页 |
| ·核函数及参数的选择 | 第51-52页 |
| ·预测结果及分析 | 第52-53页 |
| ·各种方法预测对比 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于支持向量机的交通量预测的系统设计 | 第55-64页 |
| ·系统概要设计 | 第55页 |
| ·高速公路交通量预测模块 | 第55-63页 |
| ·用户界面设计 | 第56-57页 |
| ·数据库设计 | 第57-58页 |
| ·程序算法设计 | 第58-63页 |
| ·本章小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69-73页 |
| 致谢 | 第73页 |
