面向短时交通流量预测的神经网络算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究背景 | 第9-12页 |
| ·交通流预测 | 第9-10页 |
| ·人工神经网络 | 第10-12页 |
| ·研究目的与实际意义 | 第12页 |
| ·国内外研究现状 | 第12-16页 |
| ·短时交通流预测与神经网络 | 第12-14页 |
| ·深度学习与卷积神经网络 | 第14-16页 |
| ·论文研究内容 | 第16-17页 |
| ·论文组织结构 | 第17-18页 |
| 第二章 相关工作 | 第18-38页 |
| ·BP神经网络 | 第18-24页 |
| ·人工神经元 | 第18-20页 |
| ·BP神经网络结构 | 第20-22页 |
| ·BP算法推导过程 | 第22-24页 |
| ·卷积神经网络 | 第24-31页 |
| ·卷积神经网络结构特点 | 第24-28页 |
| ·卷积神经网络训练过程 | 第28-31页 |
| ·模糊C均值聚类 | 第31-33页 |
| ·田口试验设计 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 流量聚类与BP神经网络的组合预测 | 第38-53页 |
| ·问题分析 | 第38-41页 |
| ·CITFF算法简介 | 第38-39页 |
| ·CITFF算法存在的问题 | 第39-40页 |
| ·CITFF算法改进思路 | 第40-41页 |
| ·流量聚类与BP神经网络的组合模型设计 | 第41-45页 |
| ·BP神经网络预测模型 | 第42-44页 |
| ·组合预测模型 | 第44-45页 |
| ·短时交通流量预测算法TFBCM设计 | 第45-49页 |
| ·实验评估与分析 | 第49-52页 |
| ·实验数据处理 | 第49-50页 |
| ·模式划分 | 第50-51页 |
| ·预测效果对比 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 预测模型的结构参数优化 | 第53-64页 |
| ·引言 | 第53-55页 |
| ·组合预测模型改进 | 第55-57页 |
| ·田口试验设计法中的各项设定 | 第55-57页 |
| ·改进后的组合预测模型 | 第57页 |
| ·短时交通流量预测算法TFBCM2设计 | 第57-58页 |
| ·实验评估与分析 | 第58-63页 |
| ·与TFBCM算法的对比 | 第59-60页 |
| ·与遗传算法的对比 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 基于卷积神经网络的短时交通流量预测 | 第64-78页 |
| ·引言 | 第64-66页 |
| ·卷积神经网络结构设计 | 第66-70页 |
| ·输入数据的结构 | 第66-67页 |
| ·子采样层节点的残差计算 | 第67-69页 |
| ·卷积神经网络预测模型的结构 | 第69-70页 |
| ·短时交通流量预测算法CNNTFF设计 | 第70-74页 |
| ·实验评估与分析 | 第74-77页 |
| ·基于单一模型算法的预测效果 | 第74-76页 |
| ·各算法的综合预测效果 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| ·总结 | 第78-79页 |
| ·展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第84-85页 |
| 附录2 攻读硕士学位期间申请的专利 | 第85-86页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第86-87页 |
| 致谢 | 第87页 |
