| 第一章 引言 | 第1-19页 |
| ·公路隧道通风控制系统概述 | 第10-13页 |
| ·公路长隧道的运营通风方式 | 第10页 |
| ·隧道通风控制方式 | 第10-11页 |
| ·隧道通风控制方法 | 第11-12页 |
| ·隧道通风控制系统研究现状 | 第12-13页 |
| ·论文的研究目的及意义 | 第13-15页 |
| ·依托工程简介 | 第13页 |
| ·论文的研究目的及意义 | 第13-15页 |
| ·交通量预测研究进展及现状 | 第15-17页 |
| ·论文的研究内容与方法 | 第17-18页 |
| ·论文结构安排 | 第18-19页 |
| 第二章 人工神经网络理论 | 第19-33页 |
| ·人工神经网络概述 | 第19-21页 |
| ·什么是人工神经网络 | 第19页 |
| ·人工神经网络的发展 | 第19-21页 |
| ·人工神经网络的基本特征 | 第21页 |
| ·人工神经网络的基本功能 | 第21页 |
| ·人工神经网络的应用领域 | 第21页 |
| ·神经元模型和网络结构 | 第21-26页 |
| ·符号 | 第21-22页 |
| ·神经元模型 | 第22-25页 |
| ·网络结构 | 第25-26页 |
| ·人工神经网络学习 | 第26页 |
| ·误差反向传播算法 | 第26-32页 |
| ·性能指数 | 第26-29页 |
| ·敏感性的反向传播 | 第29-30页 |
| ·BP算法的步骤 | 第30-32页 |
| ·误差反向传播算法的改进 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于人工神经网络的隧道小时交通量预测 | 第33-58页 |
| ·交通量预测性能指标 | 第33-34页 |
| ·隧道实际交通量分析 | 第34-36页 |
| ·月交通量变化分析 | 第34-35页 |
| ·日交通量变化分析 | 第35页 |
| ·小时交通量变化分析 | 第35-36页 |
| ·时间周期t的选取 | 第36页 |
| ·神经网络预测模型的建立 | 第36-44页 |
| ·训练集的设计 | 第38页 |
| ·数据处理 | 第38-39页 |
| ·初始权值的选择 | 第39页 |
| ·BP神经网络模型的结构设计 | 第39-42页 |
| ·训练次数的确定 | 第42-43页 |
| ·网络的测试 | 第43页 |
| ·BP算法的改进 | 第43-44页 |
| ·神经网络预测模型的MATLAB实现 | 第44-57页 |
| ·MATLAB语言简介 | 第44-45页 |
| ·神经网络预测模型的MATLAB实现与仿真 | 第45-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 通风控制系统与服务器之间基于OPC的通讯 | 第58-82页 |
| ·OPC规范概述 | 第59-69页 |
| ·OPC规范的产生发展 | 第59-61页 |
| ·OPC规范的基础--COM／DCOM | 第61页 |
| ·OPC规范 | 第61-69页 |
| ·组态软件WinCC简介 | 第69-71页 |
| ·什么是WinCC? | 第69-70页 |
| ·WinCC的特征 | 第70页 |
| ·WinCC如何工作 | 第70-71页 |
| ·隧道通风控制系统与服务器之间基于OPC的通讯 | 第71-81页 |
| ·在WinCC中使用OPC | 第71页 |
| ·用WinCC组态WinCC OPC DA服务器 | 第71-75页 |
| ·用WinCC组态隧道通风控制系统 | 第75-80页 |
| ·WinCC OPC DA服务器与WinCC OPC DA客户机的联机调试 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 结论 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢与声明 | 第87-88页 |
| 附录A | 第88-92页 |
| 在学期间发表的学术论文与研究成果 | 第92页 |