| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-19页 |
| ·课题的提出 | 第8-10页 |
| ·热舒适及热舒适控制的提出 | 第8-9页 |
| ·热舒适条件下能耗问题的提出 | 第9-10页 |
| ·国内外研究现状 | 第10-16页 |
| ·建筑空调能耗现状 | 第10-12页 |
| ·热舒适理论与应用研究 | 第12-14页 |
| ·热舒适下的能耗分析 | 第14-16页 |
| ·本课题的研究意义 | 第16页 |
| ·研究内容及目的 | 第16-17页 |
| ·研究内容 | 第16-17页 |
| ·研究目的 | 第17页 |
| ·小结 | 第17-19页 |
| 2 热舒适理论研究 | 第19-39页 |
| ·人体热舒适研究 | 第19-24页 |
| ·热舒适评价方法 | 第19-21页 |
| ·不同地区的测试调查 | 第21-24页 |
| ·热舒适影响因素分析 | 第24-28页 |
| ·空气温度 | 第24页 |
| ·辐射温度 | 第24-25页 |
| ·湿度 | 第25-26页 |
| ·风速 | 第26-27页 |
| ·服装热阻 | 第27页 |
| ·其他因素 | 第27-28页 |
| ·热舒适指标PMV 求解 | 第28-32页 |
| ·热舒适指标的确定 | 第28-31页 |
| ·热舒适指标的求解 | 第31-32页 |
| ·热舒适影响参数优化组合 | 第32-38页 |
| ·空气温度、湿度与PMV 的关系 | 第33-35页 |
| ·室内空气流速与PMV 的关系 | 第35-36页 |
| ·人体代谢率和服装热阻与PMV 的关系 | 第36-38页 |
| ·小结 | 第38-39页 |
| 3 基于人工神经网络的PMV 预测模型 | 第39-60页 |
| ·人工神经网络（ANN）概述 | 第39-40页 |
| ·人工神经网络的网络模型 | 第40-47页 |
| ·感知器模型 | 第40-42页 |
| ·Hopfield 网络模型 | 第42-43页 |
| ·前向神经网络模型 | 第43-47页 |
| ·BP 网络模型参数的确定 | 第47-54页 |
| ·训练样本数据的选取 | 第47-48页 |
| ·BP 网络拓扑结构的确定 | 第48-50页 |
| ·神经网络的训练 | 第50-51页 |
| ·激活函数的选取 | 第51-54页 |
| ·应用人工神经网络预测PMV 模型 | 第54-59页 |
| ·模型的确定 | 第54-56页 |
| ·模型结果验证分析 | 第56-57页 |
| ·PMV 不同求解方法的比较 | 第57-59页 |
| ·小结 | 第59-60页 |
| 4 热舒适指标控制及其能耗分析 | 第60-72页 |
| ·热舒适控制影响参数优化分析 | 第60-61页 |
| ·热舒适指标控制方式 | 第61-64页 |
| ·热舒适指标控制的间接方式 | 第62-63页 |
| ·热舒适指标控制的直接方式 | 第63-64页 |
| ·热舒适指标控制实现方案及节能效果验证 | 第64-70页 |
| ·控制策略 | 第64-65页 |
| ·PMV 控制与传统定温度控制对比分析 | 第65-67页 |
| ·有风速补偿时PMV 控制与传统定温度控制对比分析 | 第67-69页 |
| ·控制策略下的舒适性及能耗对比分析 | 第69-70页 |
| ·小结 | 第70-72页 |
| 5 热舒适指标控制方法及其节能性的实例研究 | 第72-92页 |
| ·建筑模型的建立 | 第72-74页 |
| ·建筑模拟计算与实测结果对比分析 | 第74-82页 |
| ·建筑模拟实测对比 | 第74-76页 |
| ·室内空调热环境测试分析 | 第76-79页 |
| ·空调系统机房参数测试分析 | 第79-82页 |
| ·建筑节能潜力分析 | 第82-85页 |
| ·室内舒适性分析 | 第85-87页 |
| ·不同控制策略下的能耗及舒适性分析 | 第87-90页 |
| ·小结 | 第90-92页 |
| 6 结论与展望 | 第92-95页 |
| ·结论 | 第92-93页 |
| ·展望 | 第93-95页 |
| 致谢 | 第95-96页 |
| 参考文献 | 第96-102页 |
| 附录 | 第102-108页 |
| 作者在攻读学位期间发表的论文目录 | 第102-108页 |