摘要 | 第6-8页 |
Abstract | 第8-9页 |
第1章 绪论 | 第13-21页 |
1.1 课题的研究背景和意义 | 第13-16页 |
1.1.1 课题的研究背景 | 第13-15页 |
1.1.2 课题研究意义 | 第15-16页 |
1.2 国内外研究现状 | 第16-19页 |
1.2.1 国外研究现状 | 第16-17页 |
1.2.2 国内研究现状 | 第17-19页 |
1.3 本课题的主要研究内容及方法 | 第19-21页 |
第2章 粗糙集和神经网络的理论基础 | 第21-34页 |
2.1 粗糙集概述 | 第21-25页 |
2.1.1 粗糙集理论基础 | 第21-22页 |
2.1.2 连续属性的离散化 | 第22-23页 |
2.1.3 属性约简 | 第23-25页 |
2.1.3.1 基于遗传算法的属性约简 | 第23-25页 |
2.2 神经网络概述 | 第25-31页 |
2.2.1 神经网络理论基础 | 第25-26页 |
2.2.2 BP神经网络理论 | 第26-27页 |
2.2.3 BP神经网络的设计 | 第27-31页 |
2.2.3.1 样本数据的准备 | 第27-28页 |
2.2.3.2 网络拓补结构的设计 | 第28-30页 |
2.2.3.3 样本数据标准化处理 | 第30页 |
2.2.3.4 网络训练和测试 | 第30-31页 |
2.3 粗糙集和BP神经网络的结合 | 第31-33页 |
2.4 本章小结 | 第33-34页 |
第3章 地铁站台空气品质评价标准及测试 | 第34-44页 |
3.1 站台空气品质的主要影响因素 | 第34-36页 |
3.2 站台空气品质评价指标的相关标准 | 第36-37页 |
3.3 站台空气品质的等级评价 | 第37-38页 |
3.4 现场实测 | 第38-41页 |
3.4.1 测试仪器 | 第38-39页 |
3.4.2 测试对象及方法 | 第39-41页 |
3.5 数据预处理 | 第41-43页 |
3.6 本章小结 | 第43-44页 |
第4章 测试结果统计与分析 | 第44-55页 |
4.1 微小气候及噪声测试结果统计 | 第44-49页 |
4.1.1 不同时间段温度指标分析 | 第45-46页 |
4.1.2 不同时间段相对湿度指标分析 | 第46-47页 |
4.1.3 不同时间段风速指标分析 | 第47-48页 |
4.1.4 不同时间段噪声指标分析 | 第48-49页 |
4.2 污染物浓度测试结果统计 | 第49-54页 |
4.2.1 不同时段CO_2浓度指标分析 | 第50-52页 |
4.2.2 不同站台甲醛、TVOC浓度指标分析 | 第52-53页 |
4.2.3 不同时间段PM_(10)指标分析 | 第53-54页 |
4.3 本章小结 | 第54-55页 |
第5章 基于粗糙集-BP神经网络的地铁站台空气品质综合评价模型 | 第55-75页 |
5.1 站台空气品质数据样本 | 第55页 |
5.2 粗糙集预处理 | 第55-58页 |
5.2.1 连续属性离散化 | 第55-56页 |
5.2.2 粗糙集决策表 | 第56-57页 |
5.2.3 属性约简 | 第57-58页 |
5.3 站台空气品质粗糙集-BP神经网络模型的构建 | 第58-69页 |
5.3.1 样本数据准备 | 第58-60页 |
5.3.2 输入输出层神经元的设计 | 第60-61页 |
5.3.3 网络输入输出的优化设计 | 第61页 |
5.3.4 网络训练参数的设计 | 第61-62页 |
5.3.5 网络训练 | 第62-69页 |
5.4 网络测试及评价结果 | 第69-74页 |
5.4.1 测试样本的评价 | 第69-71页 |
5.4.2 评价结果与分析 | 第71-74页 |
5.5 本章小结 | 第74-75页 |
第6章 结论与展望 | 第75-77页 |
6.1 结论 | 第75-76页 |
6.2 展望 | 第76-77页 |
参考文献 | 第77-82页 |
攻读硕士学位期间所发表的学术论文 | 第82-83页 |
致谢 | 第83页 |