基于多模型融合的交通流量预测及研究

目录

第一章绪论

1.1研究背景和意义

1.2国内外研究现状

1.2.1国外研究现状

1.2.2国内研究现状

1.3研究的内容

第二章交通流量的特性与常见的预测方法

2.1交通流量基本参数

2.2交通流量特性

2.2.1交通流量时间特性

2.2.2交通流量空间特性

2.3预测方法与对比

2.3.1线性回归预测

2.3.2 SVM

2.3.3神经网络

2.4本章小结

第三章基于时间序列模型的交通流量预测

3.1基于时间序列模型的交通流量预测的思想

3.1.1时间序列模型概述

3.1.2 ARIMA模型的基本参数

3.1.3时间序列模型的分类

3.1.4交通流量序列平稳性的定义及判断

3.2基于ARIMA模型的交通流量预测

3.3本章小结

第四章集成学习与基于决策树的交通流量预测

4.1集成学习

4.1.1集成学习的基本思想

4.1.2偏差与方差

4.1.3数据集划分方式

4.1.4过拟合和欠拟合

4.2基于决策树的交通流量预测

4.2.1经典决策树及其划分方式

4.2.2基于随机森林的交通流量预测

4.2.3基于GBDT的交通流量预测

4.3本章小结

第五章仿真预测

5.1回归评价标准

5.2模型融合

5.3交通流量数据观察与时间序列模型预测

5.3.1交通流量数据观察

5.3.2时间序列模型预测

5.4基于决策树的交通流量预测及模型融合

5.4.1数据预处理

5.4.2模型构建

5.4.3决策树与时间序列模型融合

5.5本章小结

结论与展望

参考文献

攻读学位期间发表的科研成果

声明

致谢