基于神经网络模型的交通大气环境质量评价研究

摘要

该文基于人工神经网络模型对高速公路沿线200m范围内的交通大气环境质量进行综合评价、对交通噪声进行预测以及对网络模型的结构性质进行了探讨.该文对网络模型隐含层数、隐含层神经元个数与误差的关系、样本量的选择进行了讨论,发现增加网络隐含层数、隐含层神经元个数可降低误差,提高精度,但同时也增加了网络的复杂性,延长了训练时间;增加样本量,网络可获得良好的泛化能力,但样本量过大,也即增加网络规模,则会出现过拟合现象.

目录

文摘

英文文摘

第一章绪论

§1.1交通运输污染及防治措施

§1.2交通大气环境质量评价方法

§1.3本文研究的主要目的及内容

第二章影响交通大气环境质量的评价因子

§2.1公路营运期的噪声污染及其危害

§2.2公路营运期车辆捧放主要污染物及其危害

§2.3评价因子引起的大气污染问题

本章小节

第三章人工神经网络模型

§3.1人工神经网络模型的发展历史

§3.2人工神经网络模型

§3.3自组织特征映射网络模塑及学习矢量量化网络模型

§3BP神经网络模型

§3.5神经网络的实现

第四章神经网络模型在交通大气环境评价中的应用

§4.1 LVQ神经网络评价交通大气环境质量

§4.2BP神经网络(LM)预测交通噪声

本章小节

第五章结论及进一步思考

§5.1结论

§5.2进一步思考

参考文献

致谢