| 摘要 | 第1-5页 |
| ABSTRCT | 第5-11页 |
| 1 绪论 | 第11-21页 |
| ·混沌的概述 | 第11-15页 |
| ·混沌的基本概念与性质 | 第11-13页 |
| ·混沌的检测方法 | 第13-15页 |
| ·交通流量预测概述 | 第15-19页 |
| ·预测的意义和基本原理 | 第15页 |
| ·交通流量时间序列预测的基本原理 | 第15-16页 |
| ·交通流量时间序列预测现状 | 第16-19页 |
| ·本论文章节安排 | 第19-21页 |
| 2 交通流量时间序列的混沌特征分析 | 第21-47页 |
| ·引言 | 第21页 |
| ·时间序列混沌特征分析 | 第21-27页 |
| ·混沌吸引子维数 | 第22-25页 |
| ·李雅普洛夫(Lyapunov)指数 | 第25-27页 |
| ·时间序列的相空间重构理论 | 第27-32页 |
| ·时间序列的相空间重构 | 第27-29页 |
| ·相空间嵌入维数的选取 | 第29-31页 |
| ·相空间延迟时间的选取 | 第31-32页 |
| ·交通流量时间序列的混沌特征识别 | 第32-45页 |
| ·交通流量时间序列 | 第33-35页 |
| ·交通流量时间序列的混沌特征判别 | 第35-45页 |
| ·本章小结 | 第45-47页 |
| 3 基于混沌算法的交通流量小波神经网络及其预测研究 | 第47-75页 |
| ·引言 | 第47页 |
| ·小波分析与小波网络 | 第47-51页 |
| ·神经网络中的动力学性质 | 第51-56页 |
| ·混沌学习算法 | 第51-52页 |
| ·混沌学习算法的混沌机理 | 第52-54页 |
| ·不同非线性反馈项参数对混沌运动的影响 | 第54-56页 |
| ·基于混沌算法交通流量混沌时间序列WNN 特性分析 | 第56-65页 |
| ·交通流量混沌时间序列小波神经网络的建立 | 第56-57页 |
| ·权值空间的混沌特性 | 第57-59页 |
| ·基于混沌算法的交通流量WNN 快速学习算法 | 第59-62页 |
| ·能量曲线 | 第62-65页 |
| ·基于混沌学习算法的WNN 预测性能 | 第65-72页 |
| ·基于混沌学习算法的WNN 预测性能 | 第65-68页 |
| ·基于混沌学习算法的WNN 多步预测 | 第68-72页 |
| ·本章小结 | 第72-75页 |
| 4 交通流量VNNTF 神经网络模型及其预测研究 | 第75-99页 |
| ·引言 | 第75页 |
| ·交通流量混沌时间序列VOLTERRA 模型 | 第75-81页 |
| ·Volterra 泛函级数 | 第75-76页 |
| ·交通流量混沌时间序列Volterra 级数模型截断阶数的确定 | 第76-78页 |
| ·交通流量混沌时间序列Volterra 级数模型截断项数的确定 | 第78-80页 |
| ·交通流量混沌时间序列Volterra 级数模型非线性系统辨识举例 | 第80-81页 |
| ·交通流量时间序列VOLTERRA 神经网络模型(VNNTF) | 第81-83页 |
| ·ANN 神经网络表示的非线性系统的方法 | 第81-82页 |
| ·交通流量Volterra 神经网络模型 | 第82-83页 |
| ·VNNTF 神经网络算法设计 | 第83-88页 |
| ·交通流量Volterra 神经网络的建立 | 第83-84页 |
| ·交通流量Volterra 神经网络的激活函数分析 | 第84-85页 |
| ·交通流量Volterra 神经网络的学习算法 | 第85-88页 |
| ·VNNTF 网络的预测 | 第88-96页 |
| ·VNNTF 网络的单步预测及结果分析 | 第88-92页 |
| ·VNNTF 网络的多步预测及结果分析 | 第92-96页 |
| ·本章小结 | 第96-99页 |
| 5 交通流量FIRTF 神经网络模型及其预测研究 | 第99-121页 |
| ·引言 | 第99页 |
| ·延时单元网络模型 | 第99-102页 |
| ·平稳延时单元网络模型 | 第100页 |
| ·时空神经元模型 | 第100-102页 |
| ·交通流量混沌时间序列FIRTF 网络模型 | 第102-105页 |
| ·FIR 神经网络 | 第102-103页 |
| ·交通流量混沌信号和FIR 神经网络结合建模的基础 | 第103-104页 |
| ·交通流量混沌时间序列FIR 神经网络模型 | 第104-105页 |
| ·FIRTF 网络模型的算法分析和设计 | 第105-110页 |
| ·FIRTF 模型的隐层神经元数个数灰色关联分析确定法 | 第105-107页 |
| ·FIR 神经网络瞬时反传学习算法 | 第107页 |
| ·基于混沌机理的FIRIF 神经网络自适应学习算法 | 第107-110页 |
| ·实验结果与分析 | 第110-119页 |
| ·本章小结 | 第119-121页 |
| 6 全文的总结与展望 | 第121-125页 |
| ·全文的工作总结 | 第121-122页 |
| ·进一步工作展望 | 第122-125页 |
| 致谢 | 第125-127页 |
| 参考文献 | 第127-133页 |
| 附录 | 第133页 |
