| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 论文研究背景及选题意义 | 第14-15页 |
| 1.2 国内外研究现状及分析 | 第15-19页 |
| 1.2.1 锅炉燃烧优化研究现状及分析 | 第15-18页 |
| 1.2.2 极限学习机研究现状 | 第18-19页 |
| 1.3 本文研究内容和结构安排 | 第19-22页 |
| 1.3.1 论文研究内容 | 第19-20页 |
| 1.3.2 论文的结构安排 | 第20-22页 |
| 第二章 相关理论知识 | 第22-32页 |
| 2.1 极限学习机理论 | 第22-24页 |
| 2.2 Hadoop平台简介 | 第24-30页 |
| 2.2.1 Hadoop概述 | 第24-25页 |
| 2.2.2 Hadoop的分布式文件系统-HDFS | 第25-27页 |
| 2.2.3 Hadoop的MapReduce并行编程框架 | 第27-30页 |
| 2.3 本章小结 | 第30-32页 |
| 第三章 改进的分布式极限学习机 | 第32-42页 |
| 3.1 极限学习机算法的不足 | 第32页 |
| 3.2 分布式极限学习机 | 第32-35页 |
| 3.3 改进的分布式极限学习机 | 第35-37页 |
| 3.3.1 改进思想来源 | 第35-36页 |
| 3.3.2 改进的分布式极限学习机(IDELM)算法实现 | 第36-37页 |
| 3.4 算法性能分析 | 第37-40页 |
| 3.4.1 隐含层节点个数对IDELM算法性能的影响 | 第38-39页 |
| 3.4.2 训练样本数对IDELM算法性能的影响 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 电站锅炉燃烧优化模型 | 第42-58页 |
| 4.1 锅炉NOx排放量和锅炉燃烧热效率影响因素分析 | 第42-45页 |
| 4.1.1 锅炉NOx排放量影响因素分析 | 第42-44页 |
| 4.1.2 锅炉燃烧的效率影响因素 | 第44-45页 |
| 4.2 实验数据处理及实验环境 | 第45-46页 |
| 4.2.1 实验数据处理 | 第45页 |
| 4.2.2 实验环境 | 第45-46页 |
| 4.3 基于IDELM算法的NOx排放量模型 | 第46-51页 |
| 4.3.1 NOx排放量模型的输入输出 | 第46页 |
| 4.3.2 参数L和A对NOx排放量模型的影响 | 第46-49页 |
| 4.3.3 NOx排放量模型的预测结果分析 | 第49-51页 |
| 4.4 基于IDELM算法的锅炉燃烧热效率模型 | 第51-57页 |
| 4.4.1 锅炉燃烧热效率模型的输入输出 | 第52页 |
| 4.4.2 参数L和A对锅炉燃烧热效率模型的影响 | 第52-54页 |
| 4.4.3 锅炉燃烧热效率模型的预测结果分析 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 锅炉燃烧多目标优化 | 第58-86页 |
| 5.1 锅炉燃烧优化分析 | 第58页 |
| 5.2 基于MapReduce的分布式粒子群算法 | 第58-64页 |
| 5.2.1 粒子群算法的基本原理 | 第58-61页 |
| 5.2.2 分布式粒子群算法 | 第61-64页 |
| 5.3 锅炉燃烧优化的函数和模型的建立 | 第64-66页 |
| 5.3.1 锅炉燃烧的优化函数设计 | 第64-65页 |
| 5.3.2 基于IDELM算法的锅炉燃烧优化模型 | 第65-66页 |
| 5.4 基于MR-PSO算法的锅炉燃烧多目标优化分析 | 第66-85页 |
| 5.4.1 基于MR-PSO算法的锅炉燃烧优化模型的建立 | 第66-68页 |
| 5.4.2 优化模型的参数设置和约束条件 | 第68-70页 |
| 5.4.3 实验分析 | 第70-85页 |
| 5.5 本章小结 | 第85-86页 |
| 第六章 总结与展望 | 第86-88页 |
| 6.1 全文总结 | 第86-87页 |
| 6.2 研究展望 | 第87-88页 |
| 参考文献 | 第88-94页 |
| 致谢 | 第94-96页 |
| 攻读硕士学位期间的研究成果 | 第96页 |
