基于多维时空的NPCA-PSR-IGM组合模型的短时交通流预测

目录

声明

致谢

第一章 绪论

1.1研究背景和意义

1.2 国内外研究现状

1.3 本文主要内容

1.4 本文结构组织

第二章 短期交通流特性分析和数据预处理

2.1 引言

2.2 短期交通流特性

2.3 交通流量的采集

2.4空间维度上的多维时空交通流量相关性分析

2.5时间维度上的多维时空非线性主成分分析

2.5.1 主成分分析

2.5.2 主成分分析原理

2.5.3非线性主成分分析原理和算法

2.6 本章小结

第三章 多维时空相空间重构的改进灰色模型

3.1 引言

3.2混沌特性分析

3.2.1 交通流量时间序列的混沌特性

3.2.2 混沌检测方法

3.2.3 Lyapunov指数

3.3.1 相空间重构概述

3.3.2 多维时空序列的相空间重构理论

3.3.3 多维时空序列相空间重构的参数选取

3.3.4 相点演变规律

3.4.1 灰色系统理论

3.4.2 常规的灰色预测模型

3.4.3 改进灰色预测模型

3.4.4 模型精度检验

3.4.5 IGM（1,1）模型与GM（1,1）模型的对比

3.5 本章小结

第四章 基于多维时空NPCA-PSR-IGM(1,1)组合预测模型构建与算法

4.1 引言

4.2 多维时空交通流量序列数据相关性分析

4.3 多维时空交通流量序列非线性主成分降维

4.4 多维时间序列的相空间重构参数的选取

4.5 改进灰色模型参数的确定

4.6 基于多维时空的NPCA-PSR-IGM(1,1)组合预测模型

4.7 基于多维时空的NPCA-PSR-IGM(1,1)组合预测算法

4.8 本章小结

第五章 实证性研究

5.1 引言

5.2 预测结果评价方法

5.3.1 各组合预测模型对比分析

5.3.2 现有一些预测模型比较分析

5.4 短时交通流预测系统

5.5 本章小结

第六章 结论与展望

6.1 结论

6.2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况