基于粒子群优化的BP网络对山区高速公路事故严重度预测的研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-18页 |
| 1.2.3 预测模型的建模方法评述 | 第18-19页 |
| 1.3 研究意义 | 第19页 |
| 1.4 研究内容和技术路线 | 第19-22页 |
| 第二章 研究基础理论 | 第22-34页 |
| 2.1 山区高速公路事故分析 | 第22-25页 |
| 2.1.1 事故特征分析 | 第22页 |
| 2.1.2 事故致因分析 | 第22-25页 |
| 2.2 BP网络的原理 | 第25-27页 |
| 2.2.1 人工神经网络的简述 | 第25页 |
| 2.2.2 BP神经网络与BP学习算法 | 第25-27页 |
| 2.3 粒子群的算法原理 | 第27-30页 |
| 2.3.1 粒子群算法描述 | 第27-28页 |
| 2.3.2 算法流程 | 第28-30页 |
| 2.4 粒子群优化的BP网络 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 原始数据的预处理和量化 | 第34-46页 |
| 3.1 数据预处理 | 第35-38页 |
| 3.1.1 数据清理 | 第35-36页 |
| 3.1.2 数据集成 | 第36-37页 |
| 3.1.3 数据变换 | 第37页 |
| 3.1.4 数据归约 | 第37-38页 |
| 3.2 原始数据情况分析 | 第38-39页 |
| 3.3 数据处理 | 第39-43页 |
| 3.3.1 数据选择 | 第39-40页 |
| 3.3.2 数据量化 | 第40-43页 |
| 3.4 本章小结 | 第43-46页 |
| 第四章 模型的建立、验证、分析 | 第46-64页 |
| 4.1 BP网络的模型建立 | 第46-52页 |
| 4.1.1 隐层数的确定 | 第46页 |
| 4.1.2 隐层节点数的确定 | 第46-49页 |
| 4.1.3 输入层、输出层的变量确定 | 第49-52页 |
| 4.2 模型的MATLAB实现 | 第52-53页 |
| 4.2.1 MATLAB的网络工具箱介绍 | 第52-53页 |
| 4.2.2 模型的MATLAB程序实现 | 第53页 |
| 4.3 模型的训练和测试 | 第53-56页 |
| 4.4 模型的仿真结果分析 | 第56-62页 |
| 4.4.1 时间-事故的预测分析 | 第56-58页 |
| 4.4.2 天气-事故的预测分析 | 第58-59页 |
| 4.4.3 半径-事故的预测分析 | 第59-61页 |
| 4.4.4 车辆类型-事故的预测分析 | 第61-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-68页 |
| 5.1 本文总结 | 第64-65页 |
| 5.2 研究展望 | 第65-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录A（攻读学位期间发表论文目录及参与项目） | 第74-76页 |
| 附录B 部分量化的样本数据 | 第76-78页 |
| 附录C 部分程序代码 | 第78-79页 |
