| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 室内环境品质控制的国内外研究现状 | 第9-13页 |
| 1.2.1 国内研究现状 | 第9-11页 |
| 1.2.2 国外研究现状 | 第11-13页 |
| 1.3 教室室内环境品质控制的主要研究内容 | 第13-14页 |
| 2 教室室内环境品质指标的选取及其数据采集 | 第14-24页 |
| 2.1 室内环境品质理论 | 第14-18页 |
| 2.1.1 室内环境品质 | 第14-15页 |
| 2.1.2 教室室内环境品质指标选取 | 第15-16页 |
| 2.1.3 教室室内环境品质指标的平衡方程 | 第16-18页 |
| 2.2 目标建筑概况 | 第18页 |
| 2.3 数据采集 | 第18-21页 |
| 2.3.1 教室室内环境品质的指标范围 | 第19页 |
| 2.3.2 指标数据获取手段 | 第19-21页 |
| 2.4 数据采集统计整理 | 第21-22页 |
| 2.5 本章总结 | 第22-24页 |
| 3 基于RBF神经网络教室室内环境品质的预测模型 | 第24-36页 |
| 3.1 RBF神经网络 | 第24-29页 |
| 3.1.1 神经网络 | 第24-26页 |
| 3.1.2 教室室内环境品质RBF神经网络的结构 | 第26-28页 |
| 3.1.3 RBF神经网络的学习算法 | 第28-29页 |
| 3.2 教室室内环境品质RBF神经网络模型 | 第29-34页 |
| 3.2.1 教室室内环境品质RBF神经网络模型的建立 | 第29-32页 |
| 3.2.2 教室室内环境品质RBF神经网络模型的验证 | 第32-34页 |
| 3.3 本章小结 | 第34-36页 |
| 4 基于RBF神经网络预测模型的智能控制方法 | 第36-46页 |
| 4.1 智能控制方法 | 第36-37页 |
| 4.2 教室室内环境品质模型的RBF神经网络预测控制的理论及方法 | 第37-41页 |
| 4.3 教室室内环境品质RBF神经网络模型预测控制的数学描述 | 第41页 |
| 4.4 基于神经网络的教室室内环境品质的预测控制方法 | 第41-43页 |
| 4.5 实验结果及分析 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 5 基于TRNSYS的室内环境品质的模拟仿真 | 第46-60页 |
| 5.1 TRNSYS 17仿真模拟平台 | 第46-50页 |
| 5.1.1 TRNSYS的开发背景及特征 | 第46页 |
| 5.1.2 TRNSYS模块功能描述 | 第46-48页 |
| 5.1.3 典型气象参数 | 第48-49页 |
| 5.1.4 TRNSYS模块的连接 | 第49-50页 |
| 5.2 室内环境品质控制模型的参数设置 | 第50-52页 |
| 5.2.1 目标建筑物的参数设置 | 第50-51页 |
| 5.2.2 空调系统模块的参数设置 | 第51-52页 |
| 5.3 教室室内环境品质控制TRNSYS模型 | 第52-56页 |
| 5.3.1 目标教室的TRNSYS模型建立 | 第52-55页 |
| 5.3.2 教室室内环境品质TRNSYS控制模型 | 第55-56页 |
| 5.4 教室室内环境品质模型预测控制结果分析 | 第56-58页 |
| 5.5 本章小结 | 第58-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 本研究总结 | 第60页 |
| 6.2 未来发展方向及下一步研究计划 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者攻读硕士期间研究成果 | 第68-70页 |
| 附录 | 第70-74页 |
