基于气象大数据的城市交通路况分析与研究

目录

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