摘要3-4
ABSTRACT4-7
第一章 绪论7-11
1.1 探讨背景7
1.2 国内外探讨近况7-9
1.2.1 国外探讨近况7-9
1.2.2 国内探讨近况9
1.3 论文主要内容及章节安排9-11
1.3.1 探讨内容9-10
1.3.2 章节安排10-11
第二章 隧道通风制约方式11-15
2.1 公路隧道通风制约系统构成11-12
2.2 公路隧道通风制约策略12-14
2.3 本章小结14-15
第三章 基于 EMD 的隧道污染物浓度预测技术与实现15-41
3.1 时间序列预测概述15
3.2 隧道污染物浓度时序预测探讨15-22
3.2.1 BP 神经网络预测法16-17
3.2.2 Elman 递归神经网络预测法17-19
3.2.3 基于经验方式分解的预测策略19-22
3.3 实例比较与实验结果浅析22-39
3.3.1 预测器性能比较系统22-24
3.3.2 公共数据集实验24-31
3.3.3 隧道数据集实验31-38
3.3.4 算法浅析38-39
3.4 本章小结39-41
第四章 隧道污染物浓度时序相似性查找41-51
4.1 时间序列相似性查找相关内容41-42
4.2 时间序列的方式表示42-47
4.2.1 方式表示的优点42
4.2.2 分段线性表示42-47
4.3 时间序列的相似性查找47-50
4.3.1 不足描述47
4.3.2 形态相似性搜索算法47-50
4.4 本章小结50-51
第五章 隧道通风 PID 制约技术探讨51-61
5.1 PID 制约器模型51-52
5.2 传统 PID 参数整定策略52-54
5.3 基于强化学习改善的 PID 制约策略探讨54-58
5.3.1 强化学习概述55-56
5.3.2 Q-学习算法56-57
5.3.3 MQC 算法57-58
5.4 强化学习 PID 在隧道通风制约中的运用58-60
5.5 本章小结60-61
第六章 总结与展望61-63
致谢63-65