| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·选题背景、目的和意义 | 第9页 |
| ·街道峡谷机动车排放的污染物扩散模型 | 第9-12页 |
| ·STREET 模型 | 第10页 |
| ·箱模型 | 第10页 |
| ·CPBM 模型 | 第10-11页 |
| ·CAR 模型 | 第11页 |
| ·OSPM 模型 | 第11页 |
| ·JEA 模型 | 第11-12页 |
| ·人工神经网络模型 | 第12-15页 |
| ·人工神经网络概念及发展 | 第12-13页 |
| ·人工神经网络特点 | 第13-14页 |
| ·人工神经网络在环境科学与工程中的应用 | 第14-15页 |
| ·论文研究的主要内容 | 第15页 |
| ·人工神经网络研究的技术路线 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 2 人工神经网络基本原理 | 第17-26页 |
| ·人工神经网络基本结构与模型 | 第17-20页 |
| ·生物神经元模型 | 第17-18页 |
| ·人工神经网络模型 | 第18-19页 |
| ·人工神经网络分类 | 第19-20页 |
| ·误差反向传播网络 | 第20-25页 |
| ·BP 网络模型结构 | 第20-21页 |
| ·BP 学习算法 | 第21-22页 |
| ·BP 学习算法的缺点与改进 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 3 数据采集与分析 | 第26-31页 |
| ·监测点 | 第26页 |
| ·监测方法 | 第26-27页 |
| ·机动车车型比例及排放因子的确定 | 第27-28页 |
| ·机动车尾气源强的计算 | 第28页 |
| ·监测结果与分析 | 第28-30页 |
| ·NO_x 浓度分布图 | 第28-29页 |
| ·风速分布图 | 第29页 |
| ·高宽比分布图 | 第29页 |
| ·源强分布图 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 基于OSPM模型的街道峡谷NOX扩散模型研究 | 第31-37页 |
| ·OSPM 模型简介 | 第31-33页 |
| ·OSPM 模型参数修正、验证与数值模拟 | 第33-35页 |
| ·OSPM 模型测试与参数β的修正 | 第33页 |
| ·风场因子验证 | 第33-34页 |
| ·修正后OSPM 的数值模拟 | 第34-35页 |
| ·影响因子分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 5 基于神经网络的街道峡谷NOX扩散数值模型研究 | 第37-57页 |
| ·样本数据 | 第37-39页 |
| ·样本数据分类 | 第37页 |
| ·网络层结构与数据预处理 | 第37-39页 |
| ·算法选择 | 第39-42页 |
| ·网络拓扑结构的确定 | 第42-44页 |
| ·网络层数 | 第42页 |
| ·隐含层节点数 | 第42-44页 |
| ·街道峡谷网络模型拓扑结构 | 第44-45页 |
| ·训练参数设定 | 第45-46页 |
| ·权值训练函数 | 第45页 |
| ·传递函数 | 第45-46页 |
| ·程序编制 | 第46-49页 |
| ·结果与讨论 | 第49-52页 |
| ·相关系数显著性检验 | 第52-53页 |
| ·影响因素分析与模拟 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 6 基于GIS和神经网络模型的街道峡谷空气质量评价系统 | 第57-68页 |
| ·系统框架及实现 | 第57页 |
| ·系统开发平台 | 第57-58页 |
| ·系统设计与实现 | 第58-67页 |
| ·数据库设计 | 第58-60页 |
| ·系统界面设计 | 第60-61页 |
| ·模型编制 | 第61-63页 |
| ·GIS 开发 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 7 结论与展望 | 第68-70页 |
| ·结论 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74-75页 |
| A.攻读学位期间所发表的学术论文 | 第74页 |
| B.参与课题研究 | 第74-75页 |
| 致谢 | 第75页 |