教育论文网

基于相关向量机的短时交通流预测研究

论文目录
摘要第1-7页
ABSTRACT第7-8页
第1章 绪论第16-26页
    1.1 研究背景和意义第16-18页
        1.1.1 研究背景第16页
        1.1.2 研究目的意义第16-18页
    1.2 短时交通流预测第18-21页
        1.2.1 交通流及其特性第18页
        1.2.2 短时交通流预测问题及基本流程第18-20页
        1.2.3 短时交通流预测模型现状分析第20-21页
    1.3 本文主要的研究内容第21-23页
    1.4 本文研究技术路线第23-24页
    1.5 本文的组织结构第24-26页
第2章 短时交通流预测研究进展第26-44页
    2.1 引言第26页
    2.2 基于时间序列模型的短时交通流预测第26-28页
    2.3 基于卡尔曼滤波模型的短时交通流预测第28-30页
    2.4 基于神经网络模型的短时交通流预测第30-33页
    2.5 基于K近邻模型的短时交通流预测第33-36页
    2.6 基于支持向量机模型的短时交通流预测第36-40页
    2.7 基于深度学习模型的短时交通流预测第40-43页
    2.8 本章小结第43-44页
第3章 基于混沌模拟退火优化的RVR短时交通流预测模型第44-61页
    3.1 引言第44-45页
    3.2 基于混沌模拟退火优化的RVR短时交通流预测第45-53页
        3.2.1 相关向量机用于回归估计第45-48页
        3.2.2 混沌模拟退火用于相关向量机参数优化第48-51页
        3.2.3 混沌模拟退火优化相关向量机用于短时交通流预测第51-53页
    3.3 实验分析第53-60页
        3.3.1 比较的标准第53页
        3.3.2 使用的数据集第53-54页
        3.3.3 数据归一化及数据回放第54页
        3.3.4 模型中核函数选择第54-57页
        3.3.5 模型预测性能分析第57-60页
    3.4 本章小结第60-61页
第4章 具有上下游路段感知能力的RVR短时交通流预测第61-72页
    4.1 引言第61-62页
    4.2 具有上下游路段感知能力的短时交通流预测模型第62-64页
        4.2.1 具有上下游路段感知能力的RVR短时交通流预测模型基本框架第62-63页
        4.2.2 具有上下游路段感知能力的短时交通流预测模型第63-64页
        4.2.3 具有上下游路段感知能力的RVR短时交通流预测模型参数优化第64页
    4.3 与相关工作的实验比较第64-71页
        4.3.1 比较的标准第64页
        4.3.2 使用的数据集第64-65页
        4.3.3 模型预测性能分析第61-71页
    4.4 本章小结第71-72页
第5章 考虑季节性因素的RVR短时交通流预测第72-87页
    5.1 引言第72-74页
        5.1.1 短时交通流预测的季节性分析第72-74页
    5.2 季节性预测方法第74-77页
        5.2.1 双季节Holt-Winters(DSHWES)第74-76页
        5.2.2 自回归滑动平均及季节性自回归滑动平均预测(SARIMA)第76页
        5.2.3 考虑季节性因素的支持向量机预测(SSVRCSA)第76-77页
    5.3 考虑季节性因素的RVR短时交通流预测(SRVRCSA)第77-80页
        5.3.1 季节性指数调节方法第77-78页
        5.3.2 RVRCSA模型的具体步骤第78-79页
        5.3.3 确定核函数参数的值第79-80页
    5.4 比较标准及使用的数据集第80-86页
        5.4.1 用于比较的模型及模型参数设定第80-81页
        5.4.2 模型预测性能分析第81-86页
    5.5 本章小结第86-87页
第6章 RVR短时交通流预测中样本量敏感性分析第87-102页
    6.1 引言第87页
    6.2 相关方法第87-89页
        6.2.1 Mann-Kendall检验第87-88页
        6.2.2 Sen非参数化检验方法第88-89页
        6.2.3 产生组合混沌序列第89页
    6.3 预测模型第89-91页
        6.3.1 RVR用于回归估计第89-90页
        6.3.2 相关向量机短时预测模型第90-91页
        6.3.3 确定核函数参数的值第91页
    6.4 实验分析第91-101页
        6.4.1 比较标准及使用的数据集第91-93页
        6.4.2 各路段上样本量变化时模型预测性能比较第93-100页
        6.4.3 实验结果讨论第100-101页
    6.5 本章小结第101-102页
第7章 结论与展望第102-104页
    7.1 结论第102-103页
    7.2 展望第103-104页
参考文献第104-112页
致谢第112-113页
作者简介第113-114页
    1 作者简历第113页
    2 攻读博士学位期间发表的学术论文第113页
    3 参与的科研项目及获奖情况第113-114页
学位论文数据集第114页

本篇论文共114页,点击 这进入下载页面

 
 
Copyright(C) All Rights Reserved
客服QQ:304386486
目录由用户 6550** 提供,作者删除入口请点击这里