基于支持向量机的高速公路交通量预测研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·本文的选题背景以及研究意义 | 第8-10页 |
| ·选题背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·本文的研究内容与技术路线 | 第10-12页 |
| 2 高速公路交通量预测方法研究 | 第12-26页 |
| ·交通量概述 | 第12-14页 |
| ·高速公路交通量的定义与分类 | 第12-13页 |
| ·影响高速公路交通量的因素 | 第13-14页 |
| ·预测方法 | 第14-21页 |
| ·基于传统统计理论的方法 | 第15-17页 |
| ·基于非线性理论的方法 | 第17页 |
| ·人工智能方法 | 第17-20页 |
| ·软计算方法 | 第20-21页 |
| ·高速公路交通量预测方法 | 第21-25页 |
| ·基于O-D 调查的方法 | 第22-23页 |
| ·基于数学模型的预测方法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 高速公路交通量预测的 SVM 模型 | 第26-39页 |
| ·支持向量机回归预测 | 第26-36页 |
| ·机器学习与统计学习理论 | 第26-30页 |
| ·支持向量机方法 | 第30-34页 |
| ·支持向量机回归预测型模 | 第34-36页 |
| ·PSO 优化算法 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 高速公路交通量预测实例 | 第39-47页 |
| ·引言 | 第39页 |
| ·样本选取与预处理 | 第39-42页 |
| ·基于PSO-SVM 的预测 | 第42-44页 |
| ·结果对比分析 | 第44-47页 |
| 5 结论 | 第47-49页 |
| ·全文工作总结 | 第47页 |
| ·将来研究展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录 | 第53页 |
| A. 作者在攻读学位期间发表的论文目录 | 第53页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第53页 |
