| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7页 |
| ·国内外研究现状 | 第7-9页 |
| ·国外研究现状 | 第7-9页 |
| ·国内研究现状 | 第9页 |
| ·论文主要内容及章节安排 | 第9-11页 |
| ·研究内容 | 第9-10页 |
| ·章节安排 | 第10-11页 |
| 第二章 隧道通风控制方式 | 第11-15页 |
| ·公路隧道通风控制系统构成 | 第11-12页 |
| ·公路隧道通风控制方法 | 第12-14页 |
| ·本章小结 | 第14-15页 |
| 第三章 基于 EMD 的隧道污染物浓度预测技术与实现 | 第15-41页 |
| ·时间序列预测概述 | 第15页 |
| ·隧道污染物浓度时序预测研究 | 第15-22页 |
| ·BP 神经网络预测法 | 第16-17页 |
| ·Elman 递归神经网络预测法 | 第17-19页 |
| ·基于经验模式分解的预测方法 | 第19-22页 |
| ·实例比较与实验结果分析 | 第22-39页 |
| ·预测器性能比较系统 | 第22-24页 |
| ·公共数据集实验 | 第24-31页 |
| ·隧道数据集实验 | 第31-38页 |
| ·算法分析 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 隧道污染物浓度时序相似性查找 | 第41-51页 |
| ·时间序列相似性查找相关内容 | 第41-42页 |
| ·时间序列的模式表示 | 第42-47页 |
| ·模式表示的优点 | 第42页 |
| ·分段线性表示 | 第42-47页 |
| ·时间序列的相似性查找 | 第47-50页 |
| ·问题描述 | 第47页 |
| ·形态相似性搜索算法 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 隧道通风 PID 控制技术研究 | 第51-61页 |
| ·PID 控制器模型 | 第51-52页 |
| ·传统 PID 参数整定方法 | 第52-54页 |
| ·基于强化学习改进的 PID 控制方法研究 | 第54-58页 |
| ·强化学习概述 | 第55-56页 |
| ·Q-学习算法 | 第56-57页 |
| ·MQC 算法 | 第57-58页 |
| ·强化学习 PID 在隧道通风控制中的应用 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 在读期间的研究成果 | 第71-72页 |