1 绪论
1.1 课题研究的背景及意义
1.2 国内外研究现状
1.2.1 国内研究现状
1.2.2 国外研究现状
1.3 本文工作和内容安排
2 资料来源和数据预处理
2.1 资料来源与描述
2.1.1 交通指数数据收集
2.1.2影响交通指数的气象数据分析
2.2 数据预处理
2.2.1 数据清洗
2.2.2 数据集成
公式中x是原始数据值,k是小数点移动的位数。2.2.3 数据变换
2.2.4 数据归约
2.3 相关性检验分析
2.4 数据降维
2.5 本章小结
3 基于PCA-BP神经网络和PCA-ELM的道路交通指数预测
3.1 问题分析
3.2 理论基础
3.2.1 BP神经网络的基本结构
3.2.2 BP神经网络的学习算法
3.2.3 ELM的基本结构
3.2.4 ELM的学习算法
3.3 仿真测试
3.3.1 训练集和测试集的创建
3.3.2 BP神经网络参数的选择
3.3.3 ELM网络参数的选择
3.4 结果分析
3.4.1 PCA-BP神经网络分析
3.4.2 PCA-ELM网络结果分析
3.4.3 PCA-BP与PCA-ELM的对比分析
3.5 本章小结
4 改进的PCA-BP和PCA-ELM交通指数回归预测
4.1 问题分析
4.2 改进模型的仿真
4.2.1 训练集和测试集的创建
4.2.2 改进的BP神经网络参数的选择
4.2.3 改进的ELM网络参数的选择
4.3 结果分析
4.3.1 改进的PCA-BP神经网络分析
4.3.2 改进的PCA-ELM网络结果分析
4.3.3 改进的PCA-BP与改进的PCA-ELM的对比分析
4.4 本章小结
5 基于深度学习的道路交通指数预测
5.1 LSTM神经网络基本原理
5.1.1 LSTM前向计算过程
5.1.2 LSTM反向优化过程
5.1.3 LSTM网络模型调优
5.1.4 Adam-LSTM模型框架
5.2 改进模型的仿真
5.2.1 训练集和测试集的创建
5.2.2 Adam-LSTM深度学习网络参数的选择
5.3 结果分析
5.3.1 Adam-LSTM深度学习网络结果分析
5.3.2 PCA-Adam-LSTM深度学习网络与传统模型的对比分析
5.4 本章小结
6 总结与展望
参考文献
附录
致谢
攻读学位期间发表的学术论文目录
声明
青岛科技大学;