摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第9-18页 |
1.1 课题研究背景与意义 | 第9-13页 |
1.1.1 隧道火灾发生的原因 | 第11-12页 |
1.1.2 隧道火灾的特点及危害 | 第12-13页 |
1.2 国内外研究现状 | 第13-16页 |
1.2.1 国外研究现状 | 第13-14页 |
1.2.2 国内研究现状 | 第14-15页 |
1.2.3 存在的不足及发展趋势 | 第15-16页 |
1.3 本文主要研究内容 | 第16-17页 |
1.4 论文的章节安排 | 第17-18页 |
第二章 公路隧道火灾临界风速理论与人工神经网络原理 | 第18-29页 |
2.1 公路隧道通风排烟方式 | 第18-21页 |
2.1.1 公路隧道通风排烟方式分类 | 第18-20页 |
2.1.2 不同通风排烟方式的比较分析 | 第20-21页 |
2.2 临界风速理论 | 第21-24页 |
2.2.1 临界风速的概念 | 第21-22页 |
2.2.2 临界风速的计算公式 | 第22-24页 |
2.3 人工神经网络原理 | 第24-27页 |
2.3.1 神经网络的概念 | 第24-25页 |
2.3.2 神经网络的结构和类型 | 第25-27页 |
2.3.3 神经网络的特点 | 第27页 |
2.4 本章小结 | 第27-29页 |
第三章 基于人工神经网络的公路隧道火灾临界风速预测 | 第29-43页 |
3.1 临界风速的数值模拟计算 | 第29-34页 |
3.1.1 基于场模拟的数值模拟方法 | 第29-31页 |
3.1.2 计算网格的设置及独立性测试 | 第31-34页 |
3.2 数据样本的归一化处理 | 第34-35页 |
3.3 基于BP神经网络的公路隧道火灾临界风速预测模型 | 第35-39页 |
3.3.1 BP神经网络预测原理 | 第35-38页 |
3.3.2 BP神经网络结构的设计 | 第38-39页 |
3.4 网络训练算法的优化 | 第39-42页 |
3.4.1 标准BP算法 | 第39-40页 |
3.4.2 改进的训练算法 | 第40-41页 |
3.4.3 训练算法的对比 | 第41-42页 |
3.5 本章小结 | 第42-43页 |
第四章 实验与结果分析 | 第43-62页 |
4.1 实验环境介绍 | 第43-45页 |
4.1.1 实验环境 | 第43页 |
4.1.2 实验模型及样本获取 | 第43-45页 |
4.2 数值模拟实验与结果分析 | 第45-57页 |
4.3 神经网络模型预测实验与结果分析 | 第57-60页 |
4.4 本章小结 | 第60-62页 |
总结与展望 | 第62-64页 |
参考文献 | 第64-69页 |
攻读硕士学位期间取得的学术成果 | 第69-70页 |
致谢 | 第70页 |