| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 缩略语表 | 第9-10页 |
| 目录 | 第10-12页 |
| 第1章 绪论 | 第12-22页 |
| ·系统辨识简介 | 第12页 |
| ·系统辨识的基本概念 | 第12页 |
| ·非线性系统辨识的步骤 | 第12页 |
| ·神经网络简介 | 第12-16页 |
| ·神经网络的基本特点及应用领域 | 第12-13页 |
| ·神经网络的模型 | 第13-14页 |
| ·神经网络的学习算法 | 第14-15页 |
| ·神经网络在系统辨识中的应用 | 第15-16页 |
| ·国内外研究现状 | 第16-20页 |
| ·本文的主要内容 | 第20-22页 |
| 第2章 基于LM算法的BP网络系统辨识 | 第22-33页 |
| ·BP网络的拓扑结构 | 第22-23页 |
| ·BP网络辨识原理 | 第23页 |
| ·梯度下降法的基本步骤 | 第23-26页 |
| ·LM算法 | 第26-28页 |
| ·仿真与分析 | 第28-32页 |
| ·小结 | 第32-33页 |
| 第3章 基于DE-LM算法的BP网络系统辨识 | 第33-42页 |
| ·引言 | 第33页 |
| ·DE算法 | 第33-36页 |
| ·DE算法概述 | 第33-34页 |
| ·DE算法的操作流程 | 第34-35页 |
| ·DE算法的扩展模式 | 第35-36页 |
| ·DE算法的参数设置 | 第36页 |
| ·DE-LM算法训练BP网络的步骤 | 第36-37页 |
| ·DE-LM算法优化BP网络的非线性系统仿真 | 第37-40页 |
| ·仿真对比分析 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第4章 基于DEBBO-LM算法的BP网络系统辨识 | 第42-60页 |
| ·引言 | 第42页 |
| ·BBO算法的基本原理 | 第42-50页 |
| ·BBO算法理论知识 | 第42-45页 |
| ·BBO算法的操作步骤 | 第45-47页 |
| ·BBO算法的具体流程 | 第47-48页 |
| ·BBO算法的迁移模型 | 第48-50页 |
| ·DEBBO算法 | 第50-51页 |
| ·DEBBO-LM算法训练BP网络的步骤 | 第51-52页 |
| ·DEBBO-LM算法优化BP网络的非线性系统仿真 | 第52-54页 |
| ·仿真对比分析 | 第54-56页 |
| ·基于DEBBO-LM算法的BP网络在短时交通流量预测中的应用 | 第56-59页 |
| ·短时交通流量预测的发展 | 第56页 |
| ·短时交通流量预测的原理 | 第56-57页 |
| ·仿真分析 | 第57-59页 |
| ·小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |
