| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 1 绪论 | 第7-17页 |
| ·课题的研究背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-12页 |
| ·国外研究现状 | 第8-10页 |
| ·国内研究现状 | 第10-12页 |
| ·课题的提出 | 第12-13页 |
| ·课题的研究目的、研究意义 | 第13-14页 |
| ·课题的研究目的 | 第13页 |
| ·课题的研究意义 | 第13-14页 |
| ·课题的主要内容、创新点和研究方法 | 第14-15页 |
| ·课题的主要内容 | 第14页 |
| ·课题的创新点及研究方法 | 第14-15页 |
| ·本章小结 | 第15-17页 |
| 2 径向基函数(RBF)神经网络的理论基础 | 第17-41页 |
| ·人工神经网络概述 | 第17-25页 |
| ·人工神经网络的发展史 | 第17-18页 |
| ·人工神经网络的定义 | 第18-19页 |
| ·神经网络的基本模型 | 第19-20页 |
| ·神经网络的学习算法 | 第20-24页 |
| ·神经网络特性及其应用 | 第24-25页 |
| ·径向基神经网络 | 第25-30页 |
| ·径向基函数网络模型 | 第26-27页 |
| ·径向基函数的形式 | 第27-28页 |
| ·RBF 神经网络的学习算法 | 第28-30页 |
| ·RBF 神经网络的特点及应用 | 第30页 |
| ·面向 MATLAB 工具箱的径向基神经网络 | 第30-38页 |
| ·面向 MATLAB 工具箱的径向基神经元模型 | 第30-31页 |
| ·面向 MATLAB 工具箱的径向基神经网络 | 第31-33页 |
| ·径向基神经网络的设计 | 第33-34页 |
| ·有关实验数据处理的函数 | 第34-38页 |
| ·RBF 神经网络与 BP 神经网络的比较 | 第38-40页 |
| ·BP 神经网络简介 | 第38-39页 |
| ·RBF 网络与 BP 网络的比较 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 3 基于 RBF 神经网络的蒸发冷却空调填料性能的预测 | 第41-67页 |
| ·蒸发冷却技术简介 | 第41-44页 |
| ·蒸发冷却技术原理及理论基础 | 第41-42页 |
| ·填料在直接蒸发冷却中的作用 | 第42-43页 |
| ·几种常见填料的形式及其性能对比 | 第43-44页 |
| ·RBF 神经网络预测模型的设计 | 第44-45页 |
| ·RBF 神经网络预测填料性能的基本思想 | 第44页 |
| ·RBF 神经网络用于填料性能预测的步骤 | 第44-45页 |
| ·实验数据的搜集及划分 | 第45-46页 |
| ·预测模型的结构 | 第46-48页 |
| ·预测结果的评价指标 | 第48-49页 |
| ·预测模型的实现 | 第49-54页 |
| ·网络仿真实验及结果分析 | 第54-65页 |
| ·网络的训练与仿真 | 第54-57页 |
| ·回归分析 | 第57-59页 |
| ·预测干球温度误差分析 | 第59-61页 |
| ·预测含湿量误差分析 | 第61-65页 |
| ·本章小结 | 第65-67页 |
| 4 结论与建议 | 第67-69页 |
| ·本论文取得的主要结论 | 第67页 |
| ·本论文存在的主要不足 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间发表论文 | 第75-78页 |
| 致谢 | 第78页 |