| 摘要 | 第1-9页 |
| ABSTRACT | 第9-19页 |
| 第一章 绪论 | 第19-33页 |
| ·课题来源 | 第19页 |
| ·课题研究的意义和目的 | 第19-25页 |
| ·设施农业的特点与能源利用 | 第19-20页 |
| ·本课题在设施农业领域的研究意义 | 第20页 |
| ·我国的能源形势和能源政策 | 第20-21页 |
| ·温室环境系统的特点 | 第21-22页 |
| ·本课题研究目的 | 第22-23页 |
| ·本课题研究内容概览 | 第23-25页 |
| ·国内外研究概况 | 第25-28页 |
| ·温室系统的节能研究现状 | 第25-28页 |
| ·温室系统热源现状 | 第25页 |
| ·一般温室环境控制节能研究现状 | 第25-27页 |
| ·全封闭温室节能控制研究现状 | 第27-28页 |
| ·智能集成建模与智能集成优化控制研究现状 | 第28页 |
| ·论文的主要研究内容 | 第28-30页 |
| ·研究成果和创新点 | 第30-33页 |
| 第二章 智能集成建模概述 | 第33-37页 |
| ·智能集成建模的定义 | 第33页 |
| ·智能集成建模的形式 | 第33-35页 |
| ·智能集成建模的形式化描述 | 第35-37页 |
| 第三章 温室环境控制系统智能集成建模 | 第37-101页 |
| ·温室系统能耗模型智能集成建模的必要性和可行性 | 第37-38页 |
| ·温室环境系统能耗模型智能集成建模和智能集成优化控制总体框架 | 第38-39页 |
| ·建立温室环境系统能耗模型的技术路线 | 第39页 |
| ·温室环境模型的一般描述 | 第39-40页 |
| ·温室环境系统智能集成模型的建立及描述 | 第40-41页 |
| ·基于能量平衡和物质平衡的温室环境机理分析模型 | 第41-55页 |
| ·温室的能量和物质平衡分析 | 第41-43页 |
| ·温室能量平衡机理分析模型 | 第41-42页 |
| ·温室物质平衡机理分析模型 | 第42-43页 |
| ·水汽平衡模型 | 第42页 |
| ·CO_2平衡模型 | 第42-43页 |
| ·温室环境系统智能集成建模之机理分析建模之一 | 第43-53页 |
| ·通风模型 | 第43-46页 |
| ·自然通风量模型 | 第43-46页 |
| ·机械通风量模型 | 第46页 |
| ·缝隙冷风渗透模型 | 第46页 |
| ·热量平衡模型 | 第46-49页 |
| ·热水管道释放的热量 | 第46-47页 |
| ·太阳辐射的热量 | 第47页 |
| ·通风消耗的热量 | 第47页 |
| ·温室覆盖层与外界交换的热量 | 第47-49页 |
| ·蒸腾作用热量 | 第49页 |
| ·水汽平衡模型 | 第49-51页 |
| ·植物蒸腾速率 | 第49-50页 |
| ·湿度调节设备带来的温室空气水汽变化 | 第50页 |
| ·通风和空气渗透带走的水分 | 第50-51页 |
| ·水蒸气在覆盖层上的凝结 | 第51页 |
| ·CO_2平衡模型 | 第51-52页 |
| ·CO_2释放的速率 | 第51页 |
| ·空气交换带来的 CO_2变化速率 | 第51页 |
| ·净光合作用消耗的 CO_2速率 | 第51-52页 |
| ·温室环境模型之一(内保温帘收拢时) | 第52-53页 |
| ·温室环境系统智能集成建模之机理分析建模之二 | 第53-55页 |
| ·温室环境模型之二（内保温帘展开时） | 第53-55页 |
| ·温室环境系统智能集成建模的形式化描述 | 第55-58页 |
| ·温室环境机理模型参数的智能集成优化辨识 | 第58-73页 |
| ·温室环境机理模型参数辨识的抽象化统一描述 | 第58-59页 |
| ·机理模型参数的 BP 神经网络辨识 | 第59-60页 |
| ·机理模型参数的遗传算法辨识 | 第60-63页 |
| ·基于信息熵的机理模型参数智能集成 | 第63-64页 |
| ·机理模型参数智能集成优化辨识算法有效性和准确性的验证和分析 | 第64-72页 |
| ·遗传算法辨识结果及其统计学分析 | 第64-67页 |
| ·参数 F_2的遗传算法辨识结果及统计学分析 | 第64-66页 |
| ·参数β_1遗传算法辨识结果及统计学分析 | 第66-67页 |
| ·神经网络辨识结果及其统计学分析 | 第67-69页 |
| ·参数 F_2的神经网络辨识结果及统计学分析 | 第67-68页 |
| ·参数β_1的神经网络辨识结果及统计学分析 | 第68-69页 |
| ·基于信息熵的智能集成算法辨识结果及其统计学分析 | 第69-72页 |
| ·参数 F_2基于信息熵的智能集成辨识结果及统计学分析 | 第70-71页 |
| ·参数β_1基于信息熵的智能集成辨识结果及统计学分析 | 第71-72页 |
| ·机理模型参数智能集成优化辨识结果对比与分析 | 第72-73页 |
| ·温室环境系统智能集成建模 | 第73-86页 |
| ·温室环境系统灰色预测补偿机理建模 | 第74-76页 |
| ·温室环境系统的灰色预测建模 | 第76-81页 |
| ·温室环境系统的 GM(1,1)预测建模 | 第76-78页 |
| ·温室环境系统的 GM(1,N)预测建模 | 第78-79页 |
| ·基于条件熵的 GM(1,1)和 GM(1,N)智能集成预测建模 | 第79-81页 |
| ·温室环境系统过程神经网络时间序列建模 | 第81-84页 |
| ·基于信息熵的温室环境系统集成预测建模 | 第84-86页 |
| ·温室环境系统智能集成建模试验结果及分析 | 第86-99页 |
| ·温室 A 智能集成建模实测结果及统计学分析 | 第86-90页 |
| ·智能集成模型的温度预测结果及分析 | 第86-90页 |
| ·一月份温度预测结果及统计学分析 | 第86-87页 |
| ·七月份温度预测结果及统计学分析 | 第87-88页 |
| ·一月份湿度预测结果及统计学分析 | 第88-89页 |
| ·七月份湿度预测结果及统计学分析 | 第89-90页 |
| ·温室 B 智能集成建模实测结果及统计学分析 | 第90-99页 |
| ·情形一研究结果及统计学分析 | 第90-93页 |
| ·情形一实测环境状况 | 第90-92页 |
| ·智能集成模型的温度预测结果及分析 | 第92-93页 |
| ·智能集成模型的湿度预测结果及分析 | 第93页 |
| ·情形二研究结果及统计学分析 | 第93-96页 |
| ·情形二实测环境状况 | 第93-95页 |
| ·智能集成模型的温度预测结果及分析 | 第95-96页 |
| ·智能集成模型的湿度预测结果及分析 | 第96页 |
| ·情形三研究结果及统计学分析 | 第96-99页 |
| ·情形三实测环境状况 | 第96-98页 |
| ·智能集成模型的温度预测结果及分析 | 第98页 |
| ·智能集成模型的湿度预测结果及分析 | 第98-99页 |
| ·本章小结 | 第99-101页 |
| 第四章 温室环境系统以节能减排降耗为目标的智能集成优化控制策略 | 第101-141页 |
| ·温室加热热源能效比一般分析及选择 | 第101-102页 |
| ·温室传统热源与地源热泵能耗经济性分析 | 第102-103页 |
| ·温室燃煤热源与地源热泵的节能与减排分析与比较 | 第103-104页 |
| ·地源热泵在温室设备节能减排优化控制中的层次地位 | 第104页 |
| ·本研究中节能优化控制采用的各类优化控制策略算法 | 第104-115页 |
| ·基于遗传算法的节能优化控制策略 | 第105-108页 |
| ·遗传算法简略描述 | 第105页 |
| ·遗传编码方式 | 第105-106页 |
| ·初始种群的设定 | 第106页 |
| ·种群规模的确定 | 第106页 |
| ·适应度函数 | 第106页 |
| ·遗传算子 | 第106-108页 |
| ·选择算子 | 第107页 |
| ·交叉算子 | 第107-108页 |
| ·变异算子 | 第108页 |
| ·迭代终止条件的选择 | 第108页 |
| ·控制参数的选择 | 第108页 |
| ·位串长度 L | 第108页 |
| ·种群规模 n | 第108页 |
| ·交叉概率 P_c | 第108页 |
| ·变异概率 P_m | 第108页 |
| ·基于粒子群算法的节能优化控制策略 | 第108-109页 |
| ·粒子群优化算法描述 | 第108-109页 |
| ·粒子群优化算法的实现 | 第109页 |
| ·基于标准模拟退火算法的节能优化控制策略 | 第109-112页 |
| ·问题描述及 SA 算法描述 | 第110页 |
| ·SA 的计算步骤 | 第110页 |
| ·SA 流程框图描述 | 第110页 |
| ·关键参数和环节 | 第110-112页 |
| ·状态产生函数 | 第110-111页 |
| ·状态接受函数 | 第111页 |
| ·初始温度 | 第111页 |
| ·温度更新函数 | 第111页 |
| ·内循环终止准则 | 第111页 |
| ·外循环终止准则 | 第111-112页 |
| ·变异操作、变搜索空间、单循环的改进型模拟退火算法节能优化控制策略 | 第112-113页 |
| ·改进算法的主要特点 | 第112页 |
| ·改进算法描述 | 第112-113页 |
| ·混沌遍历搜索、特殊算法确定初温度、方差判定准则的改进型模拟退火算法节能优化控制策略 | 第113-115页 |
| ·基于混沌的温度初值的选取 | 第114页 |
| ·基于混沌的遍历搜索 | 第114-115页 |
| ·基于方差准则的终止搜索策略 | 第115页 |
| ·基于 TOPSIS 分析法的温室能耗智能集成优化控制的集成策略 | 第115-117页 |
| ·TOPSIS 分析法算法描述 | 第115-117页 |
| ·基于 TOPSIS 分析法的温室能耗智能集成优化控制的集成策略结果与分析 | 第117页 |
| ·温室环境系统智能集成优化控制结果及能耗比较、节能减排分析 | 第117-140页 |
| ·温室 A 环境系统智能集成优化控制结果 | 第117-119页 |
| ·一月份温室环境系统设备运行状况 | 第117-118页 |
| ·七月份温室环境系统设备运行状况 | 第118-119页 |
| ·温室 A 环境系统智能集成优化控制能耗比较、节能减排分析 | 第119-120页 |
| ·一月份温室环境系统智能集成优化控制能耗分析 | 第119-120页 |
| ·七月份温室环境系统智能集成优化控制能耗分析 | 第120页 |
| ·一月份和七月份能耗比较、节能分析 | 第120页 |
| ·温室 A 智能集成优化控制策略下的实际运行结果 | 第120-121页 |
| ·温室 A 一月份和七月份减排分析 | 第121页 |
| ·温室 B 环境系统智能集成优化控制结果 | 第121-134页 |
| ·不采取优化控制的常规控制策略控制结果 | 第121-123页 |
| ·遗传算法优化控制策略优化控制结果 | 第123-125页 |
| ·粒子群算法优化控制策略优化控制结果 | 第125-128页 |
| ·标准模拟退火算法优化控制策略优化控制结果 | 第128-130页 |
| ·变异操作变搜索空间单循环模拟退火算法优化控制策略控制结果 | 第130-132页 |
| ·混沌搜索特殊算法确定初始温度增方差判断为停止条件的改进模拟退火算法优化控制策略控制结果 | 第132-134页 |
| ·温室 B 环境系统智能集成优化控制能耗分析 | 第134-137页 |
| ·不采取优化控制的常规控制策略能耗分析 | 第134-135页 |
| ·遗传算法优化控制策略能耗分析 | 第135页 |
| ·粒子群算法优化控制策略能耗分析 | 第135页 |
| ·标准模拟退火算法优化控制策略能耗分析 | 第135-136页 |
| ·变异操作变搜索空间单循环改进模拟退火算法优化控制策略能耗分析 | 第136页 |
| ·混沌搜索特殊算法确定初始温度增方差判断为停止条件的改进模拟退火算法优化控制策略能耗分析 | 第136页 |
| ·TOPSIS 集成策略下的总能耗 | 第136-137页 |
| ·温室 B 基于 TOPSIS 集成策略的智能集成优化控制能耗比较与节能分析 | 第137-139页 |
| ·温室 B 智能集成优化控制策略下能耗实测结果 | 第139-140页 |
| ·温室 B 环境系统智能集成优化控制减排分析 | 第140页 |
| ·本章小结 | 第140-141页 |
| 第五章 全封闭温室环境控制系统智能集成建模 | 第141-161页 |
| ·全封闭温室环境控制的目标和特点 | 第141-142页 |
| ·全封闭温室中央空调系统能耗模型概论 | 第142-143页 |
| ·全封闭温室中央空调系统能耗机理分析模型 | 第143-153页 |
| ·全封闭温室冷水机组能耗机理分析模型 | 第144页 |
| ·全封闭温室冷水泵能耗机理分析模型 | 第144-145页 |
| ·全封闭温室风机能耗机理分析模型 | 第145-146页 |
| ·全封闭温室冷却塔和冷却泵能耗机理分析模型 | 第146-147页 |
| ·全封闭温室空调系统模型辨识阶段需要确定的参数 | 第147页 |
| ·全封闭温室空调系统各设备模型的参数辨识 | 第147-151页 |
| ·冷水机组模型中的参数辨识 | 第147-148页 |
| ·冷水泵能耗模型中的参数辨识 | 第148页 |
| ·冷却水泵能耗模型中的参数辨识 | 第148页 |
| ·冷却塔能耗模型中的参数辨识 | 第148页 |
| ·风机盘管能耗模型中的参数辨识 | 第148-149页 |
| ·全封闭温室空调系统各设备模型参数辨识结果 | 第149-151页 |
| ·参数辨识使用的原始数据 | 第149-150页 |
| ·递推最小二乘算法辨识结果 | 第150-151页 |
| ·全封闭温室空调系统自校正广义最小方差能耗预测模型预测结果及精度分析 | 第151-153页 |
| ·全封闭温室空调系统智能集成能耗模型 | 第153-160页 |
| ·全封闭温室空调系统 BP 神经网络能耗模型 | 第153-155页 |
| ·BP 神经网络算法描述 | 第153-154页 |
| ·输入输出量确定 | 第154页 |
| ·网络层数的确定 | 第154页 |
| ·隐含层节点数设计 | 第154-155页 |
| ·传输函数选择 | 第155页 |
| ·全封闭温室空调系统最小二乘支持向量机能耗模型 | 第155-156页 |
| ·LSSVM 简述 | 第155页 |
| ·用于函数估计的 LSSVM 算法 | 第155-156页 |
| ·基于免疫算法的全封闭温室空调系统智能集成能耗预测模型 | 第156-159页 |
| ·免疫算法描述 | 第156-157页 |
| ·免疫算法流程图及算法步骤 | 第157页 |
| ·基于免疫算法的智能集成预测算法 | 第157-159页 |
| ·全封闭温室中央空调系统智能集成能耗模型预测结果及精度分析 | 第159-160页 |
| ·本章小结 | 第160-161页 |
| 第六章 全封闭温室环境系统智能集成节能优化控制 | 第161-169页 |
| ·优化控制中的优化算法及选择 | 第161页 |
| ·全封闭温室环境调控系统节能优化控制策略及能耗分析 | 第161-168页 |
| ·试验时的环境条件和设备运行参数 | 第161-162页 |
| ·优化前系统设备运行状态及能耗分析 | 第162页 |
| ·遗传算法优化后系统设备运行状态及能耗分析 | 第162-163页 |
| ·模拟退火算法优化后系统设备运行状态及能耗分析 | 第163-164页 |
| ·改进模拟退火算法优化后系统设备运行状态及能耗分析 | 第164-165页 |
| ·采用 TOPSIS 策略实现全封闭温室中央空调系统智能集成节能优化控制 | 第165页 |
| ·几种优化控制策略的能耗比较及节能分析 | 第165-167页 |
| ·智能集成优化控制策略下能耗结果 | 第167-168页 |
| ·智能集成优化控制策略减排分析 | 第168页 |
| ·本章小结 | 第168-169页 |
| 第七章 结论与展望 | 第169-174页 |
| ·结论 | 第169-172页 |
| ·展望 | 第172-174页 |
| 附录 A 图索引 | 第174-177页 |
| 附录 B 表索引 | 第177-179页 |
| 参考文献 | 第179-184页 |
| 作者在攻读博士学位期间公开发表的论文 | 第184-185页 |
| 作者在攻读博士学位期间所做的项目 | 第185-186页 |
| 致谢 | 第186-187页 |
