| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-11页 |
| ·研究的背景与意义 | 第8-9页 |
| ·研究的目的与内容 | 第9-10页 |
| ·特色与创新 | 第10页 |
| ·本章小结 | 第10-11页 |
| 第2章 热舒适度及其评价方法 | 第11-21页 |
| ·热舒适度简介 | 第11-13页 |
| ·热舒适度指标 | 第13-14页 |
| ·热舒适度方程 | 第14-15页 |
| ·室内热舒适度研究现状 | 第15-18页 |
| ·国外研究现状 | 第15-16页 |
| ·国内研究现状 | 第16-17页 |
| ·热舒适度评价方法 | 第17-18页 |
| ·试验和数据采集 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于神经网络的热舒适度评价研究 | 第21-40页 |
| ·人工神经网络 | 第21-22页 |
| ·神经网络与热舒适度的联系 | 第22页 |
| ·基于 BP 神经网络的热舒适度评价 | 第22-28页 |
| ·神经网络的 BP 算法 | 第23-24页 |
| ·基于 BP 神经网络的 PMV 指标建模 | 第24-25页 |
| ·基于 BP 网络的 PMV 模型仿真 | 第25-26页 |
| ·基于 BP 网络的 PMV 模型验证 | 第26-28页 |
| ·基于 RBF 神经网络的热舒适度评价 | 第28-35页 |
| ·神经网络的 RBF 算法 | 第30-31页 |
| ·基于 RBF 神经网络的 PMV 指标建模 | 第31-32页 |
| ·基于 RBF 网络的 PMV 模型仿真 | 第32-33页 |
| ·基于 RBF 网络的 PMV 模型验证 | 第33-35页 |
| ·遗传算法的引入 | 第35-39页 |
| ·基于 GA-BP 网络的 PMV 模型仿真 | 第36-37页 |
| ·基于 GA-BP 网络的 PMV 模型验证 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于自适应神经元模糊推理系统的热舒适度评价研究 | 第40-49页 |
| ·模糊系统 | 第40-41页 |
| ·模糊系统与神经网络的融合 | 第41页 |
| ·自适应神经网络模糊系统设计 | 第41-48页 |
| ·基于 ANFIS 的舒适度建模 | 第43页 |
| ·PMV 模型仿真 | 第43-46页 |
| ·PMV 模型验证 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 热舒适度评价模型比较与分析 | 第49-52页 |
| ·四种评价模型的实验结果比较 | 第49页 |
| ·三种评价模型的优缺点分析 | 第49-51页 |
| ·BP 神经网络模型的优缺点分析 | 第50页 |
| ·RBF 神经网络模型的优缺点分析 | 第50-51页 |
| ·ANFIS 模型的优缺点分析 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 个人简介 | 第59-60页 |
| 在读期间发表的学术论文与科研成果 | 第60页 |