首页--工业技术论文--能源与动力工程论文--热力工程、热机论文--燃料与燃烧论文

数据挖掘在混煤燃烧NOx运行优化中的应用

摘要第1-4页
ABSTRACT第4-9页
第一章 绪论第9-13页
   ·课题背景与研究意义第9-10页
     ·氮氧化物的危害第9页
     ·NOx的控制政策第9-10页
   ·NOx的控制技术第10-11页
     ·燃烧过程中的控制第10-11页
     ·燃烧后的处理第11页
   ·本文课题的提出第11-12页
   ·本文研究的主要内容第12-13页
     ·研究对象第12页
     ·研究方法及主要内容第12-13页
第二章 数据挖掘第13-17页
   ·数据挖掘的定义第13页
   ·数据挖掘的功能第13-14页
     ·预测型数据挖掘第13页
     ·描述型数据挖掘第13-14页
   ·数据挖掘的过程第14-15页
   ·数据挖掘的工具第15-16页
   ·本章小结第16-17页
第三章 混煤燃烧的NOx排放特性研究第17-29页
   ·NOx生成机理第17-19页
     ·热力型NOx第17-18页
     ·快速型NOx第18页
     ·燃料型NOx第18-19页
   ·影响NOx排放的主要因素第19页
   ·混煤燃烧的NOx排放的相关分析第19-24页
     ·相关分析第19-20页
     ·实例计算第20-24页
       ·混煤NOx排放的相关分析步骤第20-21页
       ·混煤NOx排放的相关分析结果第21-23页
       ·混煤NOx排放的偏相关分析步骤第23页
       ·混煤NOx排放的偏相关分析结果第23-24页
   ·混煤NOx排放的特征选择第24-28页
     ·特征选择第24-26页
       ·特征选择的定义第24-25页
       ·特征选择的步骤第25-26页
     ·实例计算第26-28页
       ·混煤NOx排放的特征选择模型建立第26-27页
       ·混煤NOx排放的特征选择的结果第27-28页
   ·本章小结第28-29页
第四章 混煤燃烧的NOx排放预测第29-39页
   ·预测的定义第29页
   ·预测的分类第29页
   ·电厂NOx排放的常用预测方法第29-31页
   ·线性回归第31-32页
     ·线性回归的定义第31页
     ·线性回归的步骤第31-32页
   ·因子分析第32-33页
     ·因子分析的定义第32页
     ·因子分析的数学模型第32-33页
     ·因子分析的基本步骤第33页
   ·基于因子分析与线性回归的混煤燃烧NOx排放预测模型第33-38页
     ·NOx排放数据的预处理第33-35页
     ·回归方程的建立第35-36页
     ·结果分析与检验第36-38页
   ·本章小结第38-39页
第五章 基于聚类与神经网络的混煤燃烧NOx排放预测第39-50页
   ·人工神经网络第39-41页
     ·人工神经网络基本原理第39页
     ·人工神经网络模型第39-41页
     ·神经网络的学习方式第41页
     ·神经网络的优点第41页
   ·BP神经网络第41-43页
     ·BP神经网络的结构第42页
     ·BP神经网络学习过程第42-43页
   ·聚类分析第43-45页
     ·聚类分析的定义第43-44页
     ·聚类分析的分类第44页
     ·K-Means算法第44-45页
   ·基于聚类与神经网络的混煤燃烧NOx排放预测模型第45-49页
     ·基于聚类与BP神经网络的混煤NOx排放预测模型的建立第45-47页
     ·预测结果分析第47-49页
   ·本章小结第49-50页
第六章 聚类分析与关联规则在优化锅炉燃烧调整中的应用第50-57页
   ·关联规则第50-52页
     ·关联规则的定义第50-51页
     ·关联规则的分类第51页
     ·Apriori算法第51-52页
   ·最优锅炉燃烧调整第52-56页
     ·数据离散化第52-53页
     ·混煤燃烧NOx排放的关联规则第53-55页
     ·高效低NOx的关联规则第55-56页
   ·本章小结第56-57页
第七章 全文总结和展望第57-58页
   ·全文工作总结第57页
   ·展望第57-58页
致谢第58-59页
参考文献第59-63页
附录A 攻读硕士学位期间发表论文第63-64页
附录B 混煤燃烧的NOx排放样本数据第64-76页

论文共76页,点击 下载论文
上一篇:近二十年环洱海区域村落空心化研究
下一篇:内燃机曲轴轴承热弹性流体动力润滑研究