| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 本文的研究背景及意义 | 第9-10页 |
| 1.2 烟气脱硫技术的研究与发展 | 第10页 |
| 1.2.1 烟气脱硫技术概述 | 第10页 |
| 1.2.2 石灰石-石膏湿法烟气脱硫技术的发展 | 第10页 |
| 1.3 人工智能计算模型的发展与应用 | 第10-12页 |
| 1.3.1 偏最小二乘回归法(PLS)的发展与应用 | 第10-11页 |
| 1.3.2 粒子群优化的BP神经网络(PSO-BP)的发展与应用 | 第11页 |
| 1.3.3 模拟退火优化的支持向量机模型(SA-SVM)的发展与应用 | 第11-12页 |
| 1.3.4 遗传优化的支持向量机模型(GALS-SVM)的发展与应用 | 第12页 |
| 1.4 本课题的研究内容及设计思路 | 第12-13页 |
| 1.5 本课题的创新点 | 第13页 |
| 1.6 本章小结 | 第13-14页 |
| 第2章 火力发电厂吸收塔浆液PH值的影响因素 | 第14-18页 |
| 2.1 石灰石-石膏湿法烟气脱硫原理及工艺流程 | 第14-15页 |
| 2.2 烟气脱硫系统吸收塔浆液PH值描述及PH值检测方法 | 第15-16页 |
| 2.3 湿法烟气脱硫系统中影响吸收塔浆液PH值的主要因素 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 PLS模型对吸收塔浆液PH值的检测 | 第18-28页 |
| 3.1 PLS人工智能模型原理 | 第18-21页 |
| 3.2 PLS人工智能模型对吸收塔浆液PH值的检测 | 第21-25页 |
| 3.2.1 数据样本概述 | 第21页 |
| 3.2.2 基于PLS检测模型的建模过程 | 第21-24页 |
| 3.2.3 PLS模型对吸收塔浆液PH值的检测 | 第24-25页 |
| 3.3 PLS人工智能模型检测结果分析 | 第25-26页 |
| 3.4 本章小结 | 第26-28页 |
| 第4章 PSO-BP模型对吸收塔浆液PH值的检测 | 第28-38页 |
| 4.1 BP人工智能模型原理 | 第28-30页 |
| 4.2 PSO-BP人工智能模型对吸收塔浆液PH值的检测 | 第30-36页 |
| 4.2.1 数据样本概述 | 第30页 |
| 4.2.2 基于BP检测模型的建模过程 | 第30-33页 |
| 4.2.3 PSO算法对BP神经网络结构的优化 | 第33-35页 |
| 4.2.4 PSO-BP模型对吸收塔浆液PH值的检测 | 第35-36页 |
| 4.3 PSO-BP人工智能模型检测结果分析 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 SA-SVM模型对吸收塔浆液PH值的检测 | 第38-46页 |
| 5.1 SA-SVM人工智能模型原理 | 第38页 |
| 5.2 SA-SVM人工智能模型对吸收塔浆液PH值的检测 | 第38-44页 |
| 5.2.1 数据样本概述 | 第38-39页 |
| 5.2.2 基于SVM检测模型的建模过程 | 第39-42页 |
| 5.2.3 SA算法对SVM的优化过程 | 第42-43页 |
| 5.2.4 SA-SVM模型对吸收塔浆液PH值的检测 | 第43-44页 |
| 5.3 SA-SVM人工智能模型检测结果分析 | 第44-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第6章 GALS-SVM模型对吸收塔浆液PH值的检测 | 第46-51页 |
| 6.1 GALS-SVM人工智能模型对吸收塔浆液PH值的检测 | 第46-50页 |
| 6.1.1 数据样本概述 | 第46-47页 |
| 6.1.2 GA算法对SVM模型的优化过程 | 第47-48页 |
| 6.1.3 GALS-SVM模型对吸收塔浆液PH值的检测 | 第48页 |
| 6.1.4 GALS-SVM人工智能模型检测结果分析 | 第48-50页 |
| 6.2 本章小结 | 第50-51页 |
| 第7章 四种人工智能检测模型性能对比及实用性检验 | 第51-56页 |
| 7.1 人工智能检测模型性能对比 | 第51-53页 |
| 7.1.1 数据样本概述 | 第51页 |
| 7.1.2 四种人工智能检测模型检测精度对比 | 第51-53页 |
| 7.2 吸收塔浆液PH值检测结果的优化 | 第53-54页 |
| 7.3 人工智能检测模型在工程实例中的实用性检验 | 第54-55页 |
| 7.4 本章小结 | 第55-56页 |
| 第8章 结论与展望 | 第56-57页 |
| 8.1 结论 | 第56页 |
| 8.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第61页 |
