神经网络在短期交通流预测中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究的背景及意义 | 第10-11页 |
| ·研究的现状 | 第11-13页 |
| ·论文的框架 | 第13-15页 |
| 第二章 短期交通流预测综述 | 第15-23页 |
| ·交通流理论研究发展概况 | 第15-16页 |
| ·交通流预测的分类 | 第16-17页 |
| ·交通规划中的长期预测 | 第16页 |
| ·以交通管理为目的的中期预测 | 第16页 |
| ·以实施控制和诱导为目的的短期预测 | 第16-17页 |
| ·交通流的特性 | 第17-18页 |
| ·短期交通流预测理论 | 第18-20页 |
| ·短期交通流预测原理 | 第18-19页 |
| ·短期交通流预测的性能评价指标 | 第19-20页 |
| ·短期交通流预测模型 | 第20-22页 |
| ·时间序列模型 | 第20-21页 |
| ·非参数回归模型 | 第21页 |
| ·元胞自动机模型 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 人工神经网络基本理论 | 第23-43页 |
| ·人工神经网络发展概况 | 第23-31页 |
| ·人工神经网络发展概况 | 第24-26页 |
| ·初始发展时期 | 第24-25页 |
| ·研究停滞时期 | 第25页 |
| ·研究复兴时期 | 第25-26页 |
| ·人工神经网络的基本原理 | 第26-30页 |
| ·人工神经元模型 | 第26-27页 |
| ·激活函数 | 第27-29页 |
| ·人工神经网络的结构 | 第29-30页 |
| ·人工神经网络的训练 | 第30-31页 |
| ·无导师学习 | 第30页 |
| ·有导师学习 | 第30-31页 |
| ·再励学习 | 第31页 |
| ·BP神经网络基本原理 | 第31-36页 |
| ·BP神经网络概述 | 第32页 |
| ·BP算法的数学描述 | 第32-35页 |
| ·BP神经网络存在的问题 | 第35-36页 |
| ·遗传算法在神经网络中的应用 | 第36-42页 |
| ·遗传算法概述 | 第36-37页 |
| ·遗传算法的基本原理 | 第37-40页 |
| ·遗传算法运算流程 | 第37-38页 |
| ·遗传算法解决实际问题的步骤 | 第38-39页 |
| ·遗传算法应用要点 | 第39-40页 |
| ·遗传算法优化BP神经网络 | 第40-42页 |
| ·遗传算法优化BP神经网络的方法 | 第40-41页 |
| ·遗传神经网络算法的步骤 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 神经网络在短期交通流预测模型中的应用 | 第43-69页 |
| ·BP神经网络在交通流预测中的应用 | 第43-44页 |
| ·BP神经网络预测模型在短期交通流预测中的应用 | 第44-61页 |
| ·BP神经网络预测短期交通流的方法 | 第44页 |
| ·BP神经网络预测短期交通流的流程 | 第44-47页 |
| ·BP网络预测模型建模分析 | 第47-54页 |
| ·基于BP神经网络的短期交通流预测模型应用仿真 | 第54-61页 |
| ·Matlab神经网络工具箱 | 第54页 |
| ·预测模型参数设置 | 第54-59页 |
| ·预测结果分析 | 第59-60页 |
| ·预测结果评价 | 第60-61页 |
| ·遗传神经网络预测模型在短期交通流预测中的应用 | 第61-68页 |
| ·遗传神经网络预测模型的模型建模分析 | 第61-64页 |
| ·基于遗传神经网络的短期交通流预测模型应用仿真 | 第64-68页 |
| ·预测模型参数设置 | 第64-65页 |
| ·预测结果分析 | 第65-68页 |
| ·预测结果评价 | 第68页 |
| ·本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·总结 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73页 |
