基于人工神经网络交通流量预测模型的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·课题研究的背景和意义 | 第11-16页 |
| ·交通问题现状及解决方法 | 第12-14页 |
| ·智能运输系统简介 | 第14页 |
| ·ITS国内外研究现状 | 第14-16页 |
| ·交通流量研究概述 | 第16-18页 |
| ·与ITS的关系 | 第16页 |
| ·交通流量模型 | 第16页 |
| ·交通流量预测 | 第16-17页 |
| ·动态交通分配 | 第17-18页 |
| ·课题研究的主要目的 | 第18页 |
| ·本课题研究的主要工作 | 第18-19页 |
| ·BP人工神经网络模型的建立 | 第18页 |
| ·设计方案的仿真 | 第18-19页 |
| ·具体预测 | 第19页 |
| ·遗传算法寻优 | 第19页 |
| ·本文的组织结构 | 第19-20页 |
| 第2章 交通流量预测方法概述 | 第20-27页 |
| ·预测的数学基础 | 第20-22页 |
| ·内积空间 | 第20-21页 |
| ·柯西列 | 第21页 |
| ·希尔波特空间 | 第21页 |
| ·闭线性子空间 | 第21页 |
| ·预报方程 | 第21-22页 |
| ·流量预报性能指标 | 第22页 |
| ·基于数学模型的方法 | 第22-25页 |
| ·自回归滑动平均模型(ARMA) | 第22-23页 |
| ·自回归综合滑动平均模型(ARIMA) | 第23-24页 |
| ·指数平均方法 | 第24页 |
| ·卡尔曼滤波方法 | 第24-25页 |
| ·基于无数学模型的预测方法 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第3章 人工神经网络理论 | 第27-47页 |
| ·人工神经网络的研究历史 | 第27-31页 |
| ·人工神经网络的提出 | 第27页 |
| ·人工神经网络的特点 | 第27-29页 |
| ·人工网络的研究历程 | 第29-31页 |
| ·人工神经网络基础 | 第31-37页 |
| ·人工神经元 | 第31-35页 |
| ·人工神经网络的拓扑特性 | 第35-36页 |
| ·人工神经网络的训练 | 第36-37页 |
| ·感知器的学习算法 | 第37-40页 |
| ·离散单输出感知器训练 | 第38页 |
| ·离散多输出感知器训练算法 | 第38-39页 |
| ·连续多输出感知器训练算法 | 第39-40页 |
| ·BP网络 | 第40-45页 |
| ·网络的构成 | 第40-42页 |
| ·训练过程概述 | 第42-43页 |
| ·误差传播分析 | 第43-44页 |
| ·基本的BP算法 | 第44-45页 |
| ·几个问题的讨论 | 第45-46页 |
| ·收敛速度问题 | 第45页 |
| ·局部极小点问题 | 第45页 |
| ·网络瘫痪问题 | 第45-46页 |
| ·步长问题 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第4章 交通流量预测模型的建立 | 第47-59页 |
| ·BP人工神经网络在预测中的应用 | 第47-49页 |
| ·基本BP神经网络学习算法 | 第48页 |
| ·改进BP神经网络学习算法 | 第48-49页 |
| ·单十字路口交通流量模型方案的设计 | 第49-51页 |
| ·交通流量预测模型的结构 | 第49-50页 |
| ·交通量神经网络预测模型的几种方案 | 第50-51页 |
| ·单十字交叉路口短时交通流量预测BP学习算法 | 第51-53页 |
| ·向前传播阶段 | 第51-52页 |
| ·向后传播阶段 | 第52-53页 |
| ·最佳隐层单元的评价 | 第53页 |
| ·基本BP算法的改进 | 第53页 |
| ·基于遗传算法的BP神经网络模型 | 第53-58页 |
| ·编码方案 | 第54页 |
| ·初始种群的产生 | 第54页 |
| ·适应度函数的设计 | 第54-55页 |
| ·选择子代的策略 | 第55-57页 |
| ·染色体的交叉与变异 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 预测模型的MATLAB仿真分析 | 第59-73页 |
| ·Matlab神经网络工具箱 | 第59页 |
| ·基本BP学习算法的Matlab仿真 | 第59-63页 |
| ·Matlab工具箱中的BP网络仿真函数 | 第60-62页 |
| ·基本BP网络的Matlab仿真方法 | 第62-63页 |
| ·交叉路口流量预测BP学习算法仿真分析 | 第63-66页 |
| ·基本BP学习算法交通流量预测仿真 | 第63页 |
| ·基本BP学习算法交通流量预测仿真结果及分析 | 第63-66页 |
| ·改进BP学习算法的预测模型Matlab仿真分析 | 第66-70页 |
| ·改进BP学习算法的交通流量预测仿真 | 第66-68页 |
| ·改进BP学习算法的交通流量预测仿真结果及分析 | 第68-70页 |
| ·基于遗传算法的BP神经网络模型优选的仿真分析 | 第70-71页 |
| ·基于遗传算法的BP网络仿真程序 | 第70-71页 |
| ·基于遗传算法BP网络流量预测的仿真结果及分析 | 第71页 |
| ·上述几种方法的比较 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 个人简历 | 第80页 |
