首页--工业技术论文--建筑科学论文--建筑基础科学论文--建筑物理学论文--建筑热工学论文--建筑热工理论论文--建筑热工计算论文

建筑物动态能耗分析用气象仿真模型研究

中文摘要 第1-7页
英文摘要第7-11页
目录第11-16页
前言第16-19页
1 文献综述第19-36页
 1.1 设计气象参数构成方法第19-23页
  1.1.1 国内设计气象参数构成方法简介第19页
  1.1.2 ASHRAE最新设计气象参数及其构成方法第19-22页
  1.1.3 关于极端气象条件的持续期第22-23页
 1.2 全年气象数据的统计构成方法第23-27页
  1.2.1 参考年法第23-24页
  1.2.2 典型年法第24-25页
  1.2.3 能量年法第25页
  1.2.4 日本标准年法第25页
  1.2.5 中国标准年法第25-26页
  1.2.6 全年气象数据的统计构成方法小结第26-27页
 1.3 全年气象数据的数学模拟方法第27-33页
  1.3.1 气象的时空变化特征第27-28页
  1.3.2 能量分析用确定性气象模型第28页
  1.3.3 能量分析用随机性气象模型第28-31页
  1.3.4 模型的适用范围第31-32页
  1.3.5 现有模型的缺点第32-33页
 1.4 本文的主要内容和思路第33-36页
  1.4.1 建模参数第33-34页
  1.4.2 建模方法第34-35页
  1.4.3 模型目标第35-36页
2 建模城市气候特征及数据简介第36-40页
 2.1 我国气象观测概况第36-37页
 2.2 原始气象资料简介第37-38页
  2.2.1 气象部门提供的数据第37页
  2.2.2 建模数据的获取第37-38页
  2.2.3 缺测或错误数据的处理第38页
  2.2.4 关于时差问题第38页
 2.3 建模城市气象特征简介第38-40页
3 气象随机模拟基本理论第40-62页
 3.1 随机过程基本概念第40-44页
  3.1.1 随机过程第40-42页
  3.1.2 随机过程的分布及其数字特征第42-44页
  3.1.3 气象模拟所涉及的几个重要随机过程第44页
 3.2 平稳随机过程第44-58页
  3.2.1 平稳过程的定义第44-46页
  3.2.2 平稳过程相关函数的性质第46页
  3.2.3 平稳过程的功率谱密度第46-49页
  3.2.4 平稳过程的各态历经性第49-51页
  3.2.5 时间序列的平稳性、正态性检验第51-54页
  3.2.6 平稳时间序列的参数模型第54-56页
  3.2.7 平稳序列参数模型的辨识第56-58页
 3.3 非平稳过程第58-59页
 3.4 伪随机数的产生第59-62页
  3.4.1 随机数的一般表示第59页
  3.4.2 平方取中法第59-60页
  3.4.3 乘同余法第60页
  3.4.4 产生正态分布的随机数第60-62页
4 日总辐射随机模型研究第62-88页
 4.1 日总辐射组合模型第62-84页
  4.1.1 用Fourier分析进行平稳变换第62-69页
  4.1.2 随机序列的正态检验及正态变换第69-71页
  4.1.3 随机序列的相关分析第71-74页
  4.1.4 随机模型的参数估计第74-76页
  4.1.5 随机模型残差检验第76-77页
  4.1.6 建模方法小结及模拟方法第77-79页
  4.1.7 模拟数据与原始数据的比较第79-84页
 4.2 日总辐射系数Kt随机模型研究第84-87页
 4.3 小结第87-88页
5 日散射辐射模型研究第88-101页
 5.1 日散射拟合模型第88-96页
  5.1.1 辐射数据变换处理第88-89页
  5.1.2 多项式拟合模型第89-96页
 5.2 日散射概率密度模型第96-100页
  5.2.1 Kd-Kt联合分布特征第96-98页
  5.2.2 概率密度函数第98-100页
 5.3 小结第100-101页
6 逐时总辐射模型研究第101-112页
 6.1 概述第101-102页
 6.2 逐时总辐射资料的频谱分析第102-105页
 6.3 逐时总辐射的Fourier级数模型第105-111页
  6.3.1 模型第105-108页
  6.3.2 用日总辐射调整逐时辐射第108-109页
  6.3.3 讨论第109-111页
 6.4 小结第111-112页
7 逐时散射模型研究第112-120页
 7.1 概述第112页
 7.2 逐时散射分离模型第112-118页
  7.2.1 笼统的拟合模型第113-114页
  7.2.2 按大气质量分类建立散射分离模型第114-117页
  7.2.3 逐时直射计算第117-118页
 7.3 小结第118-120页
8 逐日温湿度模型研究第120-152页
 8.1 概述第120-121页
 8.2 逐日温湿度资料的频谱分析第121-125页
 8.3 逐日温湿度随机项的变换处理与相关分析第125-135页
  8.3.1 逐日温湿度随机项标准化处理第125-128页
  8.3.2 逐日温湿度随机项的正态处理第128-130页
  8.3.3 逐日温湿度随机项的相关分析第130-135页
 8.4 逐日温湿度随机项的时序模型第135-150页
  8.4.1 模型选择第135-140页
  8.4.2 建模方法第140-143页
  8.4.3 逐日气象参数随机模型数据库第143-145页
  8.4.4 模型检验第145-150页
 8.5 逐日气象模型小结第150-152页
9 逐时温湿度模型研究第152-169页
 9.1 概述第152页
 9.2 福州和昆明两地逐时气温与水汽压模型第152-160页
  9.2.1 标准逐时气温和标准逐时水汽压的日变化特征第152-154页
  9.2.2 标准逐时气温和标准逐时水汽压的季节变化特征第154-155页
  9.2.3 最高最低气温出现时间第155页
  9.2.4 逐时气温与水汽压模型的建立第155-157页
  9.2.5 逐时气温与水汽压模拟实例第157-158页
  9.2.6 逐时气温与水汽压的关系第158-160页
 9.3 北京、西安、成都及重庆逐时气温模型第160-163页
  9.3.1 福州、昆明”日4值”气温模型检验第160-161页
  9.3.2 福州、昆明”日6值”气温模型检验第161-162页
  9.3.3 日4值资料和日24值资料计算的日均气温比较第162页
  9.3.4 北京、西安、成都和重庆逐时气温模型第162-163页
 9.4 北京、西安、成都及重庆逐时水汽压模型第163-167页
  9.4.1 日4值资料和日24值资料计算的日均水汽压比较第163页
  9.4.2 日4值资料和日24值资料计算的水汽压日较差比较第163-165页
  9.4.3 北京、西安、成都和重庆逐时水汽压模型第165-167页
 9.5 逐时气象模型小结第167-169页
10 神经网络在时间序列分析中的应用探讨第169-184页
 10.1 概述第169-175页
  10.1.1 神经网络的发展与应用第169-170页
  10.1.2 神经网络的基本特征第170-171页
  10.1.3 神经网络的学习方法第171-173页
  10.1.4 几种典型神经网络第173-175页
 10.2 神经网络用于气象参数一步预报及模拟第175-183页
  10.2.1 日总辐射的一步预报:线性模型第175页
  10.2.2 日总辐射的一步预报:线性神经网络第175-177页
  10.2.3 逐时气象参数预报:神经网络第177-181页
  10.2.4 神经网络不能用于长期预报第181-182页
  10.2.5 神经网络用于气象参数模拟试验第182-183页
 10.3 小结第183-184页
11 气象模型应用与验证第184-196页
 11.1 气象模型通用性第184-185页
 11.2 气象模型独立性第185-186页
 11.3 气象模拟程序(suSim)与DOE第186-194页
  11.3.1 气象模拟程序(suSim)流程第186-187页
  11.3.2 模拟气象数据转变为DOE气象数据第187-188页
  11.3.3 能耗分析实验第188-192页
  11.3.4 气象模型与TMY2的统计比较第192-194页
 11.4 气象模拟程序(suSim)与DEST第194-195页
 11.5 小结第195-196页
12 结论与建议第196-199页
致谢第199-200页
分章参考文献第200-210页
附录1气象仿真程序(suSim)界面及其部分模拟结果第210-216页
附录2建筑平面图第216-218页
附录3作者小传第218-219页
附录4在攻读博士学位期间发表的论文第219页

论文共219页,点击 下载论文
上一篇:论体能主导类项群(田径、举重)运动员下肢蹬伸力量能力的同元异构特征
下一篇:青春发育突增期(高峰年龄)不同发育类型学生体质特征及健康促进