声明
摘要
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 研究内容
1.4 论文框架
1.5 本章小结
第2章 城市医疗废弃物运输动态路径
2.1 城市医疗废弃物及其回收的内涵
2.1.1 城市医疗废弃物的概念及分类
2.1.2 城市医疗废弃物回收网络涵义
2.1.3 医疗废弃物管理现状及存在问题
2.2 运输动态路径
2.2.1 运输动态路径概述
2.2.2 交通流预测
2.3 城市医疗废弃物运输动态路径
2.3.1 城市医疗废弃物运输路径选择的现状
2.3.2 城市医疗废弃物运输动态路径的必要性
2.4 本章小结
第3章 医疗废弃物动态路径模型的建立
3.1 城市医疗废弃物动态路径模型的问题描述
3.2 城市医疗废弃物运输动态路径概念性模型
3.2.1 医疗废弃物运输路线选择模型
3.2.2 医疗废弃物动态运输路线选择模型
3.3 道路拥挤程度比率的设定
3.4 医疗废弃物动态路径的数学模型建立
3.5 本章小结
第4章 医疗废弃物动态路径模型的算法设计
4.1 基于BP神经网络的医疗废弃物交通流预测
4.1.1 BP神经网络概述
4.1.2 标准BP神经网络存在的问题
4.2 BP神经网络训练算法改进
4.2.1 自适应学习率的训练方法
4.2.2 动量—白适应学习率的训练方法
4.2.3 BP神经网络隐层节点算法设计
4.3 基于蚁群算法的最短路确定
4.4 本章小结
第5章 实例验证及结果分析
5.1 大连市沙河口区医疗废弃物管理现状及回收网络布局现状分析
5.1.1 大连市沙河口区道路网络分析
5.1.2 大连市沙河口区医疗废弃物产生、处置及回收点分析
5.1.3 大连市沙河口区医疗废弃物车辆数目和类型
5.1.4 大连市沙河口区医疗废弃物回收网络布局
5.2 大连市沙河口区医疗废弃物回收网络路径优化模型描述
5.3 基于动态路径规划的城市医疗废弃物回收研究的算法流程图
5.4 基于BP神经网络的医疗废弃物交通流预测求解及结果分析
5.4.1 样本数据采集与处理
5.4.2 BP神经网络模型相关的系数设定
5.4.3 自适应学习率训练结果
5.4.4 动量——自适应学习率训练结果
5.4.5 两种方法预测结果对比分析
5.5 基于蚁群算法的最短路径求解及结果分析
5.6 本章小结
结论
参考文献
附录
致谢