基于小波神经网络的短时交通流预测算法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·选题背景和研究意义 | 第10-11页 |
| ·国内外的研究现状 | 第11-13页 |
| ·典型的预测模型 | 第12页 |
| ·改进的回归模型 | 第12-13页 |
| ·非线性预测模型 | 第13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 ITMS 系统的架构 | 第16-22页 |
| ·ITMS 系统架构概述 | 第16-20页 |
| ·路面五大系统 | 第17-18页 |
| ·辅助决策系统 | 第18-20页 |
| ·数据挖掘技术 | 第20页 |
| ·本章小结 | 第20-22页 |
| 第三章 交通流短时预测基础 | 第22-28页 |
| ·交通流特性，基本流程、特点及要求 | 第22-23页 |
| ·交通流特性 | 第22页 |
| ·交通流预测基本流程、特点及要求 | 第22-23页 |
| ·交通流数据的获取 | 第23-24页 |
| ·交通流数据的预处理 | 第24-26页 |
| ·数据融合 | 第24-25页 |
| ·交通流数据故障的识别 | 第25页 |
| ·交通流故障数据的修复方法 | 第25-26页 |
| ·交通流短时预测的基本方法 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第四章 基于小波神经网络的交通流预测模型 | 第28-49页 |
| ·神经网络的概述 | 第28-29页 |
| ·小波神经网络预测模型 | 第29-35页 |
| ·小波分析基础 | 第29-31页 |
| ·小波神经网络模型实现方法 | 第31-35页 |
| ·实验结果与分析 | 第35-47页 |
| ·单个断面预测实验 | 第35-42页 |
| ·多个断面的预测结果 | 第42-45页 |
| ·预测模型实验对比 | 第45-46页 |
| ·小波神经网络预测模型的不足 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 小波神经网络交通流预测模型的改进 | 第49-69页 |
| ·基于粒子群优化的小波神经网络模型 | 第49-60页 |
| ·模型概述 | 第49页 |
| ·模型实现方法 | 第49-54页 |
| ·实验结果与分析 | 第54-60页 |
| ·基于 MAPE 动态反馈的小波神经网络模型 | 第60-67页 |
| ·模型概述 | 第60-61页 |
| ·模型实现方法 | 第61-63页 |
| ·实验结果与分析 | 第63-67页 |
| ·本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-72页 |
| ·研究结论 | 第69-70页 |
| ·研究展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75页 |
