| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·选题背景及研究意义 | 第10-13页 |
| ·本论文研究主要内容及工作 | 第13-15页 |
| 第2章 智能办公建筑空调节能控制领域现状分析 | 第15-20页 |
| ·智能办公建筑空调节能控制存在问题 | 第15-16页 |
| ·基于人体舒适度的空调节能控制存在问题 | 第16-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 国内外技术研究现状 | 第20-36页 |
| ·BP 神经网络原理概述 | 第20-31页 |
| ·BP 神经网络基本算法 | 第22-30页 |
| ·BP 神经网络优缺点分析 | 第30-31页 |
| ·粒子群优化算法原理概述 | 第31-35页 |
| ·粒子群优化算法基本原理分析 | 第33-35页 |
| ·粒子群优化算法优点 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于粒子群算法和 BP 神经网络的 PMV 预测模型 | 第36-54页 |
| ·PMV 原始计算公式 | 第36-37页 |
| ·PMV 公式数学表达式 | 第36-37页 |
| ·基于基本 BP 神经网络的 PMV 预测模型 | 第37-41页 |
| ·预测 PMV 模型的 BP 神经网络结构的确定 | 第37-41页 |
| ·基于粒子群算法改进的 BP 神经网络的 PMV 预测模型 | 第41-53页 |
| ·粒子群算法与 BP 神经网络结合可行性分析 | 第41-42页 |
| ·粒子群算法改进 BP 神经网络具体结合形式 | 第42页 |
| ·粒子群算法优化 BP 神经网络的初始化权重阈值的 PMV 预测模型 | 第42-49页 |
| ·粒子群算法优化 BP 神经网络拓扑结构的 PMV 预测模型 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 PMV 预测模型在智能办公建筑中的应用 | 第54-63页 |
| ·智能办公建筑监控系统总体架构图 | 第54-56页 |
| ·智能办公建筑空调智能分析模块 | 第56-59页 |
| ·智能分析模块控制效果图 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·本文工作总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 附件 | 第71页 |
