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 |