城市平面交叉口机动车细颗粒物排放及扩散研究
| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究目的及意义 | 第13-14页 |
| 1.3 研究内容与方法 | 第14-15页 |
| 1.4 章节安排及技术路线 | 第15-17页 |
| 第二章 道路交通细颗粒物污染研究综述 | 第17-23页 |
| 2.1 道路交通环境颗粒物污染研究现状 | 第17-18页 |
| 2.2 城市机动车污染物排放模型研究 | 第18-19页 |
| 2.3 城市机动车污染物扩散模型研究 | 第19-21页 |
| 2.4 神经网络模型在污染物浓度预测的应用研究 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 交叉口机动车细颗粒物评估方法 | 第23-38页 |
| 3.1 MOVES排放模型 | 第23-27页 |
| 3.1.1 MOVES模型原理与结构 | 第23-25页 |
| 3.1.2 MOVES模型计算原理 | 第25-26页 |
| 3.1.3 MOVES模型适用范围对比 | 第26-27页 |
| 3.2 MOVES模型主要参数 | 第27-30页 |
| 3.2.1 机动车比功率VSP | 第28-29页 |
| 3.2.2 运行工况分布特征参数 | 第29-30页 |
| 3.2.3 基于GPS实测的运行速度获取 | 第30页 |
| 3.3 CAL3QHC扩散模型 | 第30-36页 |
| 3.3.1 CAL3QHC模型介绍 | 第31页 |
| 3.3.2 CAL3QHC原理 | 第31-32页 |
| 3.3.3 CAL3QHC模型计算方法 | 第32-36页 |
| 3.4 交叉口机动车细颗粒物评估方法 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 交叉口细颗粒物污染分析 | 第38-63页 |
| 4.1 交叉口细颗粒物排放评估 | 第38-47页 |
| 4.1.1 交叉口运行工况分布 | 第38-44页 |
| 4.1.2 不同进口道的排放对比分析 | 第44-46页 |
| 4.1.3 不同时段的排放对比分析 | 第46-47页 |
| 4.2 交叉口细颗粒物扩散浓度评估 | 第47-53页 |
| 4.2.1 CAL3QHC模型敏感性分析 | 第49-51页 |
| 4.2.2 细颗粒物浓度的空间分布 | 第51-53页 |
| 4.3 交叉口细颗粒物浓度实测 | 第53-62页 |
| 4.3.1 实验地点的概况 | 第53-54页 |
| 4.3.2 实验数据采集 | 第54-56页 |
| 4.3.3 实测细颗粒物浓度分析 | 第56-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 基于ANN的交叉口细颗粒物浓度预测 | 第63-79页 |
| 5.1 人工神经网络的原理 | 第63-67页 |
| 5.1.1 人工神经网络基本涵义 | 第63-64页 |
| 5.1.2 人工神经网络数学模型 | 第64-65页 |
| 5.1.3 神经网络的拓扑结构 | 第65-66页 |
| 5.1.4 神经网络的学习方法 | 第66-67页 |
| 5.2 小波神经网络模型 | 第67-72页 |
| 5.2.1 BP神经网络模型 | 第67-69页 |
| 5.2.2 小波神经网络模型 | 第69-71页 |
| 5.2.3 小波神经网络模型的构建 | 第71-72页 |
| 5.3 小波神经网络模型预测与验证 | 第72-77页 |
| 5.3.1 BP神经网络模型预测评估 | 第72-74页 |
| 5.3.2 小波神经网络模型预测评估 | 第74-77页 |
| 5.4 人工神经网络与CAL3QHC模型的比较 | 第77-78页 |
| 5.5 本章小结 | 第78-79页 |
| 结论与展望 | 第79-81页 |
| 本文总结 | 第79-80页 |
| 建议与展望 | 第80-81页 |
| 参考文献 | 第81-91页 |
| 附录 | 第91-93页 |
| 攻读学位期间取得的研究成果 | 第93-94页 |
| 致谢 | 第94页 |
