| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 人居环境空气品质逆向问题研究方法 | 第11-18页 |
| 1.2.1 正向方法 | 第11-15页 |
| 1.2.2 反向方法 | 第15-17页 |
| 1.2.3 快速计算流体力学 | 第17-18页 |
| 1.3 本课题研究目的 | 第18页 |
| 1.4 本课题研究内容 | 第18-21页 |
| 第二章 基于遗传算法的封闭空间环境逆向优化设计 | 第21-63页 |
| 2.1 基于CFD的遗传算法 | 第21-32页 |
| 2.1.1 遗传算法基本理论 | 第21-27页 |
| 2.1.2 改进的遗传算法 | 第27-29页 |
| 2.1.3 遗传算法与CFD的结合 | 第29-32页 |
| 2.2 基于CFD的遗传算法在封闭环境逆向优化设计中的应用 | 第32-52页 |
| 2.2.1 方法验证及误差分析 | 第32-36页 |
| 2.2.2 建筑室内环境逆向优化设计 | 第36-47页 |
| 2.2.3 交通工具（飞机）客舱环境逆向优化设计 | 第47-51页 |
| 2.2.4 限制法与多目标最优化设计法的对比 | 第51-52页 |
| 2.3 遗传算法与伴随方法结合用于人居环境逆向优化设计 | 第52-58页 |
| 2.3.1 伴随方法 | 第53-56页 |
| 2.3.2 遗传算法与伴随方法的结合（ADGA） | 第56-57页 |
| 2.3.3 ADGA应用于人居环境逆向优化设计 | 第57-58页 |
| 2.4 讨论与分析 | 第58-62页 |
| 2.4.1 为什么选择遗传算法 | 第58-61页 |
| 2.4.2 逆向优化设计方法相对于传统设计方法的优势与劣势 | 第61-62页 |
| 2.5 小结 | 第62-63页 |
| 第三章 基于伴随方法的多污染源辨识 | 第63-97页 |
| 3.1 污染物寻源方法介绍 | 第63-64页 |
| 3.2 基于概率的污染物寻源伴随方法基本原理 | 第64-67页 |
| 3.3 利用固定位置污染物探测器辨识多污染源 | 第67-83页 |
| 3.3.1 固定位置污染物探测器辨识多污染源基本方法 | 第68-70页 |
| 3.3.2 固定位置污染物探测器辨识多污染源实例 | 第70-83页 |
| 3.3.3 结果讨论与分析 | 第83页 |
| 3.4 利用可移动污染物探测器辨识多污染源 | 第83-95页 |
| 3.4.1 可移动污染物探测器辨识多污染源基本方法 | 第84-86页 |
| 3.4.2 可移动污染物探测器辨识多污染源实例 | 第86-95页 |
| 3.4.3 结果讨论与分析 | 第95页 |
| 3.5 两种方法对比分析 | 第95-96页 |
| 3.6 小结 | 第96-97页 |
| 第四章 快速计算流体力学——SLPISO方法 | 第97-117页 |
| 4.1 SLPISO方法基本理论 | 第97-107页 |
| 4.1.1 半拉格朗日对流项计算法介绍 | 第97-99页 |
| 4.1.2 Semi-Lagrangian PISO算法计算流程 | 第99-103页 |
| 4.1.3 SLPISO方法精度分析 | 第103-105页 |
| 4.1.4 SLPISO方法稳定性理论分析 | 第105-107页 |
| 4.2 SLPISO方法应用实例 | 第107-114页 |
| 4.2.1 稳态模拟计算 | 第108-113页 |
| 4.2.2 非稳态模拟计算 | 第113-114页 |
| 4.3 结果讨论与分析 | 第114-116页 |
| 4.3.1 时间步长对SLPISO方法模拟计算结果的影响 | 第114-116页 |
| 4.3.2 SLPISO方法计算速度 | 第116页 |
| 4.4 小结 | 第116-117页 |
| 第五章 结论与展望 | 第117-121页 |
| 5.1 结论 | 第117-118页 |
| 5.2 展望 | 第118-121页 |
| 参考文献 | 第121-133页 |
| 发表论文和参加科研情况说明 | 第133-135页 |
| 致谢 | 第135-136页 |
