| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题研究背景及意义 | 第8-10页 |
| ·课题研究背景 | 第8-9页 |
| ·论文研究目的和研究意义 | 第9-10页 |
| ·关于交通流量预测的国内外研究现状 | 第10-12页 |
| ·国内研究现状 | 第10-11页 |
| ·国外研究现状 | 第11-12页 |
| ·本课题的主要工作 | 第12-15页 |
| 第二章 交通流理论及特性分析 | 第15-22页 |
| ·物联网基本理论及特性分析 | 第15-16页 |
| ·交通流量基本理论 | 第16-17页 |
| ·交通流量特性分析 | 第17-19页 |
| ·流量预报性能指标 | 第19-20页 |
| ·预测方法概述 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 人工神经网络及时间序列基本理论 | 第22-37页 |
| ·径向基函数神经网络算法 | 第22-29页 |
| ·神经网络结构 | 第22-26页 |
| ·径向基函数神经网络概述 | 第26-27页 |
| ·RBF 神经网络训练算法设计 | 第27-28页 |
| ·RBF 神经网络的学习过程 | 第28-29页 |
| ·时间序列 | 第29-35页 |
| ·时间序列定义 | 第29-31页 |
| ·时间序列模型 | 第31-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 组合预测模型 | 第37-43页 |
| ·组合预测方法的原理依据 | 第37-38页 |
| ·组合预测模型的构建 | 第38-42页 |
| ·组合预测模型分类 | 第38-39页 |
| ·组合模型的构建 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 短时交通流量预测模型的实例分析 | 第43-53页 |
| ·交通流量数据的来源 | 第43页 |
| ·数据的预处理 | 第43-45页 |
| ·实例分析与结果评价 | 第45-52页 |
| ·RBF 神经网络的实例预测结果 | 第45-48页 |
| ·基于 ARIMA 神经网络的交通流量预测实例 | 第48-51页 |
| ·基于 ARIMA-RBF 组合模型的交通流量预测实例 | 第51-52页 |
| ·结果评价 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第六章 结论与展望 | 第53-56页 |
| ·论文的主要研究结论及应用前景 | 第53-54页 |
| ·主要研究结论 | 第53-54页 |
| ·论文的研究内容和研究结果对物联网的作用 | 第54页 |
| ·待进一步研究的问题 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 发表论文和参加科研情况说明 | 第59-60页 |
| 致谢 | 第60页 |