论相似性基于时间序列隧道通风制约

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