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 |