高速公路隧道环境数据处理与通风控制模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 论文的选题背景及意义 | 第8-9页 |
| 1.2 隧道通风方式发展现状 | 第9-11页 |
| 1.3 隧道通风控制方式及国内外研究现状 | 第11-14页 |
| 1.3.1 隧道通风控制方式 | 第11页 |
| 1.3.2 国外隧道通风控制技术现状 | 第11-13页 |
| 1.3.3 国内隧道通风控制技术现状 | 第13-14页 |
| 1.4 论文的主要研究内容及章节安排 | 第14-16页 |
| 1.4.1 论文主要研究内容 | 第14页 |
| 1.4.2 论文章节安排 | 第14-16页 |
| 第二章 高速公路隧道通风控制系统分析 | 第16-26页 |
| 2.1 铜黄隧道及相关设备介绍 | 第16-18页 |
| 2.2 隧道通风系统数学模型 | 第18-19页 |
| 2.3 隧道环境数据标准 | 第19-21页 |
| 2.4 隧道通风控制需风量计算 | 第21-25页 |
| 2.5 隧道通风控制系统构成 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 高速公路隧道环境数据预处理 | 第26-36页 |
| 3.1 数据预处理目的 | 第26-27页 |
| 3.2 传统数据预处理方法分析 | 第27-30页 |
| 3.2.1 初始数据的获取 | 第27页 |
| 3.2.2 数据清理 | 第27-28页 |
| 3.2.3 数据集成 | 第28-29页 |
| 3.2.4 数据变换 | 第29页 |
| 3.2.5 数据规约 | 第29-30页 |
| 3.3 论文数据预处理方法 | 第30-35页 |
| 3.3.1 隧道环境数据特点 | 第30-31页 |
| 3.3.2 数据预处理 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 隧道环境数据预测 | 第36-52页 |
| 4.1 数据相关性分析 | 第36-41页 |
| 4.1.1 相关性分析的必要性 | 第36页 |
| 4.1.2 相关程度衡量标准 | 第36-38页 |
| 4.1.3 数据间相关性分析结果 | 第38-41页 |
| 4.2 预测模型分析 | 第41-43页 |
| 4.2.1 预测模型基本原理分析 | 第41-42页 |
| 4.2.2 预测模型评价标准 | 第42-43页 |
| 4.3 基于 BP 神经网络的预测模型与实现 | 第43-51页 |
| 4.3.1 BP 神经网络 | 第43-46页 |
| 4.3.2 神经网络预测模型的改进 | 第46-49页 |
| 4.3.3 预测结果与分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 隧道通风控制模型研究 | 第52-75页 |
| 5.1 模糊神经网络控制模型 | 第52-59页 |
| 5.1.1 模糊控制原理 | 第52-56页 |
| 5.1.2 神经网络控制算法 | 第56页 |
| 5.1.3 神经网络与模糊系统的融合 | 第56-59页 |
| 5.2 基于模糊神经网络的隧道通风控制模型 | 第59-70页 |
| 5.2.1 模糊神经网络模型 | 第59-63页 |
| 5.2.2 变量的确定 | 第63页 |
| 5.2.3 隶属度函数与模糊规则的建立 | 第63-69页 |
| 5.2.4 输出控制量的反模糊化 | 第69-70页 |
| 5.2.5 风机启停策略 | 第70页 |
| 5.3 通风控制模型的仿真结果 | 第70-72页 |
| 5.4 系统节能性分析 | 第72-73页 |
| 5.5 本章小结 | 第73-75页 |
| 结论与展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80页 |
