短時(shí)交通信息智能預(yù)測理論及方法

第1章 緒論
1．1 交通信息預(yù)測研究的意義
1．2 交通信息預(yù)測的基本理論
1．3 交通信息預(yù)測的分類
1．4 短時(shí)交通信息預(yù)測的意義
第2章 數(shù)據(jù)預(yù)處理
2．1 數(shù)據(jù)預(yù)處理概述
2．2 異常數(shù)據(jù)祛除
2．3 噪聲抑制
2．4 缺失數(shù)據(jù)的填補(bǔ)
第3章 模糊理論基礎(chǔ)
3．1 真實(shí)世界的模糊性
3．2 模糊集合
3．3 模糊規(guī)則
3．4 模糊推理基礎(chǔ)
3．5 模糊推理系統(tǒng)
3．6 基于聚類的模糊推理系統(tǒng)辨識(shí)方法
第4章 預(yù)測效果檢驗(yàn)及性能評(píng)價(jià)
4．1 評(píng)價(jià)內(nèi)容
4．2 驗(yàn)證方法
4．3 評(píng)價(jià)指標(biāo)
4．4 混沌時(shí)間序列對(duì)比分析
第5章 Mamdani和Sugeno模糊推理系統(tǒng)在交通信息預(yù)測中的比較
5．1 相關(guān)研究概述
5．2 被試模糊推理系統(tǒng)概述
5．3 預(yù)測性能比較
第6章 基于局部近似隸屬函數(shù)模糊聚類的模糊單步預(yù)測方法
6．1 預(yù)測方法概述
6．2 基于局部近似隸屬函數(shù)模糊聚類算法
6．3 基于局部隸屬函數(shù)模糊聚類的參數(shù)及規(guī)則確定方法
6．4 仿真實(shí)例
第7章 基于高斯混合模型的模糊單步預(yù)測方法
7．1 預(yù)測方法概述
7．2 輸入變量選擇
7．3 基于最近鄰聚類及高斯混合模型的參數(shù)和規(guī)則確定方法
7．4 仿真實(shí)例
第8章 多步模糊預(yù)測方法
8．1 直接多步模糊預(yù)測方法
8．2 循環(huán)多步模糊預(yù)測方法
8．3 組合多步預(yù)測方法
8．4 基于偏差序列的多步模糊預(yù)測方法
8．5 基于偏差累加序列的多步模糊預(yù)測方法
8．6 多步預(yù)測方法對(duì)比分析
參考文獻(xiàn)