| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·论文研究的目的和意义 | 第9-10页 |
| ·短时交通流预测国内外研究现状 | 第10-11页 |
| ·小波神经网络发展及应用领域 | 第11-12页 |
| ·论文的主要研究内容 | 第12-13页 |
| 2 短时道路交通流特性分析 | 第13-20页 |
| ·交通流特性分析 | 第13页 |
| ·短时交通流预测方法综述 | 第13-19页 |
| ·求和自回归移动平均模型 | 第13-15页 |
| ·非参数回归模型 | 第15-16页 |
| ·支持向量机方法 | 第16-18页 |
| ·组合预测方法 | 第18-19页 |
| ·小结 | 第19-20页 |
| 3 卡尔曼滤波理论基础 | 第20-26页 |
| ·卡尔曼滤波理论 | 第20-22页 |
| ·卡尔曼滤波模型原理 | 第20-21页 |
| ·卡尔曼滤波基本交通流预测回归模型 | 第21-22页 |
| ·卡尔曼滤波模型在MATLAB中的仿真实现 | 第22-25页 |
| ·小结 | 第25-26页 |
| 4 小波神经网络理论基础 | 第26-32页 |
| ·小波神经网络理论 | 第26-29页 |
| ·小波理论 | 第26页 |
| ·小波神经网络 | 第26-28页 |
| ·小波神经网络结构 | 第28-29页 |
| ·小波神经网络的参数优化问题 | 第29-30页 |
| ·小波神经网络的学习算法 | 第30-31页 |
| ·小结 | 第31-32页 |
| 5 基于卡尔曼滤波和小波神经网络的道路交通流预测应用 | 第32-51页 |
| ·预测模型的建立与分析 | 第32-37页 |
| ·预测模型结构选择 | 第32-33页 |
| ·小波基函数 | 第33页 |
| ·小波基函数的选择 | 第33-37页 |
| ·预测模型建立 | 第37页 |
| ·预测模型算法步骤及流程 | 第37页 |
| ·基于卡尔曼滤波和小波神经网络的短时交通流预测实现 | 第37-42页 |
| ·预测性能分析比较 | 第42-51页 |
| ·神经网络预测模型性能 | 第42-47页 |
| ·预测模型性能分析 | 第47-51页 |
| 结论 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 攻读学位期间的研究成果 | 第55页 |