首页--交通运输论文--公路运输论文--隧道工程论文--隧道观测与试验论文--隧道施工及运用监测论文

多源信息融合的公路隧道CO浓度场数值模拟研究

摘要第1-4页
Abstract第4-6页
目录第6-9页
第一章 绪论第9-16页
   ·研究背景及意义第9-13页
     ·高速公路隧道建设的发展第9-10页
     ·高速公路隧道运营存在的问题第10-12页
     ·信息融合隧道CO浓度场数值模拟的必要性第12-13页
   ·国内外研究现状第13-15页
     ·多源信息融合在隧道研究现状第13页
     ·隧道CO浓度场数值模拟研究现状第13-15页
   ·论文的主要研究内容第15-16页
第二章 多源信息融合及计算流体力学的基本理论第16-27页
   ·多源信息融合概述第16-19页
     ·多源信息融合的定义第16-17页
     ·多源信息融合的基本原理第17页
     ·多源信息融合的层次第17-19页
   ·多源信息融合模型及方法第19-22页
     ·多源信息融合的功能模型第19页
     ·多源信息融合的通用结构第19-20页
     ·多源信息融合方法第20-21页
     ·多源信息融合方法效益第21-22页
   ·计算流体力学概述第22-23页
     ·计算流体力学的基本原则第22页
     ·计算流体力学的基本原理第22-23页
   ·计算流体力学的工作流程第23-26页
     ·建立数学模型第23页
     ·控制方程离散化方法第23-24页
     ·流场进行求解计算第24页
     ·结果显示第24-26页
   ·隧道基本通风情况简介第26-27页
     ·隧道通风的基本要求第26页
     ·公路隧道通风的方式第26-27页
第三章 神经网络和SVM的信息融合隧道CO浓度预测第27-41页
   ·信息融合模型的输入数据及预处理第27-28页
     ·模型的输入数据选择第27页
     ·输入数据的预处理第27-28页
   ·信息融合隧道CO浓度的模型结构第28-30页
     ·神经网络信息融合机理分析第28页
     ·单一BP神经网络融合结构第28页
     ·单一RBF神经网络融合结构第28-29页
     ·单一支持向量机融合结构第29页
     ·最优均方误差加权融合结构第29-30页
   ·信息融合隧道CO浓度的算法第30-36页
     ·单一BP神经网络融合算法第30-32页
     ·单一RBF神经网络融合算法第32-33页
     ·单一SVM融合算法第33-34页
     ·最优均方误差加权融合算法第34-36页
   ·多源信息融CO浓度模型实验及分析第36-39页
     ·信息融合模型评价指标第36-37页
     ·神经网络信息融合模型参数选择第37-38页
     ·单一信息融合模型融合结果第38页
     ·最优加权信息融合模型融合结果第38-39页
   ·冗余度对最优加权融合模型有效性分析第39-41页
     ·冗余度的定义第39-40页
     ·最优加权融合冗余度分析第40-41页
第四章 公路隧道CO浓度分布的数值模拟模型第41-58页
   ·公路隧道CO浓度场数值模拟模型的建立第41页
     ·公路隧道的物理模型第41页
     ·公路隧道的模型假设第41页
   ·隧道CO的控制方程第41-45页
     ·隧道CO的质量方程第42页
     ·隧道CO的动量守恒方程第42页
     ·隧道CO的能量守恒方程第42-43页
     ·隧道CO的组分质量守恒方程第43页
     ·隧道CO的湍流模型方程第43-45页
   ·有限体积法及网格生成第45-51页
     ·有限体积法原理第45-47页
     ·SIMPLE算法第47-49页
     ·网格生成技术第49-51页
   ·隧道CO浓度场数值模拟实验及结论分析第51-58页
     ·边界条件及初始值第51页
     ·隧道竖井局部CO浓度场结果第51-55页
     ·单台射流风机数值模拟第55-56页
     ·射流风机诱导数值模拟第56-58页
第五章 总结与展望第58-60页
   ·总结第58-59页
   ·展望第59-60页
致谢第60-61页
参考目录第61-64页
附录A第64页

论文共64页,点击 下载论文
上一篇:基于家庭的城市小汽车活动—出行决策影响机理研究
下一篇:基于ARM嵌入式图像分析的交通信号灯智能控制的研究