基于神经网络的交通量预测技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·课题的意义 | 第8-9页 |
| ·国内外交通量预测的研究现状 | 第9-10页 |
| ·本文的主要工作 | 第10-12页 |
| ·本文的研究内容 | 第10页 |
| ·章节安排 | 第10-12页 |
| 2 人工神经网络基本理论 | 第12-24页 |
| ·人工神经网络研究的发展简史 | 第12-13页 |
| ·人工神经网络的基本原理 | 第13-17页 |
| ·人工神经网络的构成要素 | 第13-15页 |
| ·人工神经网络的结构 | 第15-17页 |
| ·人工神经网络的计算理论 | 第17-20页 |
| ·人工神经元数学模型 | 第17-18页 |
| ·人工神经网络的学习方式 | 第18-19页 |
| ·人工神经网络常见的学习算法 | 第19-20页 |
| ·BP神经网络的基本原理 | 第20-23页 |
| ·BP神经网络的基本概念 | 第20-21页 |
| ·BP算法的数学描述 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 BP神经网络在交通量预测中的应用 | 第24-62页 |
| ·常用的交通量预测方法 | 第24-30页 |
| ·长期交通量预测的常用方法 | 第24-26页 |
| ·短时交通量预测的常用方法 | 第26-29页 |
| ·传统预测方法小结 | 第29-30页 |
| ·BP网络预测交通量的流程和方法 | 第30-36页 |
| ·BP网络预测交通量的流程 | 第30-34页 |
| ·BP网络预测长期交通量的方法 | 第34-35页 |
| ·BP网络预测短时交通量的方法 | 第35-36页 |
| ·BP网络预测模型建模分析 | 第36-44页 |
| ·BP网络层数的确定 | 第36-37页 |
| ·各层神经元数目的选择 | 第37-38页 |
| ·数据的预处理 | 第38页 |
| ·激励函数的选取与改进 | 第38-39页 |
| ·网络学习参数的选取 | 第39-40页 |
| ·BP算法的不足与改进 | 第40-43页 |
| ·预测模型评价指标 | 第43-44页 |
| ·BP网络预测程序在MATLAB中的实现 | 第44-45页 |
| ·MATLAB神经网络工具箱简介 | 第44-45页 |
| ·BP网络预测程序的编制 | 第45页 |
| ·算例及预测结果分析 | 第45-61页 |
| ·长期交通量预测算例 | 第45-53页 |
| ·短时交通量预测算例 | 第53-61页 |
| ·本章小结 | 第61-62页 |
| 4 GA-BP神经网络在交通量预测中的应用 | 第62-80页 |
| ·遗传算法的基本原理 | 第62-66页 |
| ·遗传算法的思想背景 | 第62-63页 |
| ·遗传算法的基本要素 | 第63-64页 |
| ·遗传算法的特点 | 第64-65页 |
| ·遗传算法的应用步骤 | 第65-66页 |
| ·GA-BP神经网络的设计与应用 | 第66-73页 |
| ·遗传算法优化BP网络的方法 | 第66-67页 |
| ·GA-BP算法的实现步骤 | 第67-68页 |
| ·GA-BP神经网络在交通量预测中的应用 | 第68-71页 |
| ·GA-BP神经网络在MATLAB中的实现 | 第71-73页 |
| ·算例及预测结果分析 | 第73-79页 |
| ·长期交通量预测算例 | 第73-76页 |
| ·短时交通量预测算例 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 5 结论与展望 | 第80-82页 |
| ·全文总结 | 第80-81页 |
| ·展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 攻读硕士期间发表的论文 | 第86页 |
