| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 绪论 | 第10-19页 |
| ·课题支持 | 第10页 |
| ·引言 | 第10-11页 |
| ·研究背景和意义 | 第11-13页 |
| ·短时交通流预测方法综述 | 第13-16页 |
| ·主要研究思路和方法 | 第16-17页 |
| ·论文结构和主要工作 | 第17-18页 |
| ·小结 | 第18-19页 |
| 2 相关理论基础 | 第19-29页 |
| ·基于混沌的短时交通流预测理论 | 第19页 |
| ·相空间重构理论 | 第19-23页 |
| ·互信息量法确定时间延迟 | 第20-21页 |
| ·G-P法确定关联维数 | 第21页 |
| ·虚假最近邻点法确定嵌入维 | 第21-23页 |
| ·小波理论 | 第23-26页 |
| ·多分辨分析 | 第23-24页 |
| ·Mallat快速算法 | 第24-26页 |
| ·神经网络理论 | 第26-28页 |
| ·RBF网络结构 | 第26-27页 |
| ·RBF网络正则化方法 | 第27-28页 |
| ·小结 | 第28-29页 |
| 3 短时交通流复杂性分析 | 第29-46页 |
| ·实时数据来源 | 第29-31页 |
| ·数据预处理 | 第31-40页 |
| ·异常数据的识别 | 第32-33页 |
| ·异常数据的修复 | 第33-36页 |
| ·小波变换噪声平滑处理 | 第36-40页 |
| ·短时交通流的非线性特性分析 | 第40-43页 |
| ·短时交通流的混沌特性分析 | 第43-45页 |
| ·主成量分析法应用分析 | 第43-44页 |
| ·Lyapunov指数法应用分析 | 第44-45页 |
| ·小结 | 第45-46页 |
| 4 基于混沌理论的短时交通流预测模型 | 第46-54页 |
| ·基于混沌理论的短时交通流预测方法分析 | 第46-47页 |
| ·改进的加权一阶局域模型(IAOL) | 第47-50页 |
| ·混沌局域—RBF神经网络模型(CLR-RBFNN) | 第50-51页 |
| ·小波—混沌局域—RBF神经网络模型(W-CLR-RBFNN) | 第51-53页 |
| ·小结 | 第53-54页 |
| 5 基于混沌理论的短时交通流预测模型实际应用与分析 | 第54-63页 |
| ·相空间重构参数计算 | 第54-56页 |
| ·IAOL模型应用 | 第56-57页 |
| ·CLR-RBFNN模型应用 | 第57-58页 |
| ·W-CLR-RBFNN模型应用 | 第58-61页 |
| ·模型预测效果评价与分析 | 第61-62页 |
| ·小结 | 第62-63页 |
| 6 论文总结 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录A 主要程序代码 | 第68-73页 |
| 1、改进的加权一阶局域模型代码 | 第68-70页 |
| 2、混沌局域—RBF神经网络组合模型代码 | 第70-72页 |
| 3、小波—混沌局域—RBF神经网络组合模型代码 | 第72-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |
