| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-15页 |
| ·研究背景及意义 | 第12-13页 |
| ·燃煤锅炉燃烧优化的方案提出 | 第13-14页 |
| ·本论文的主要研究内容 | 第14-15页 |
| 第2章 锅炉燃烧优化运行的主要建模方法 | 第15-19页 |
| ·锅炉设备概述 | 第15页 |
| ·数学模型的分类与建模方法 | 第15-17页 |
| ·锅炉的数学建模方法 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 人工神经网络的锅炉燃烧特性建模 | 第19-37页 |
| ·人工神经网络 | 第19-22页 |
| ·人工神经网络概述 | 第19-20页 |
| ·神经网络的主要性质 | 第20-21页 |
| ·人工神经网络的发展应用现状 | 第21-22页 |
| ·BP 算法的基本原理 | 第22-28页 |
| ·BP 神经网络概述 | 第22页 |
| ·BP 神经网络拓扑结构 | 第22-24页 |
| ·BP 网络的算法分析 | 第24-26页 |
| ·BP 网络算法的特点及改进算法 | 第26-28页 |
| ·锅炉燃烧过程的 BP 神经网络建模 | 第28-37页 |
| ·锅炉特性建模的特点 | 第28页 |
| ·模型输入输出参数的选取 | 第28-29页 |
| ·BP 网络模型结构的设计 | 第29-31页 |
| ·建模数据的选取 | 第31-32页 |
| ·数据预处理 | 第32页 |
| ·误差评价指标 | 第32-33页 |
| ·训练结果及分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 锅炉燃烧过程模型的优化算法分析及应用 | 第37-55页 |
| ·遗传算法 | 第37-44页 |
| ·遗传算法的原理 | 第37页 |
| ·遗传算法的运算步骤 | 第37-38页 |
| ·遗传算法的操作流程 | 第38-44页 |
| ·遗传算法与神经网络的结合 | 第44-45页 |
| ·遗传算法在锅炉燃烧优化建模中的应用 | 第45-54页 |
| ·遗传算法优化 BP 网络的参数设计 | 第45-47页 |
| ·GA-BP 算法的优化步骤 | 第47-48页 |
| ·小波变换在样本数据预处理中的应用 | 第48-52页 |
| ·优化结果分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 时间序列分析模型的建立 | 第55-79页 |
| ·时间序列的基本模型 | 第56-57页 |
| ·时间序列的动态特性 | 第57-62页 |
| ·自相关函数 | 第57-61页 |
| ·偏相关函数 | 第61-62页 |
| ·时间序列数据的平稳性及零均值检验 | 第62-63页 |
| ·时间序列模型识别 | 第63-65页 |
| ·AR 模型的识别 | 第63-64页 |
| ·MA 模型的识别 | 第64-65页 |
| ·ARMA 模型的识别 | 第65页 |
| ·时间序列模型的参数估计和模型定阶 | 第65-68页 |
| ·最小二乘参数估计 | 第66-67页 |
| ·时间序列模型的定阶方法 | 第67-68页 |
| ·时间序列模型平稳性及白噪声检验 | 第68-69页 |
| ·时间序列分析在锅炉出水温度建模中的应用 | 第69-77页 |
| ·锅炉建模数据的平稳性检验 | 第69-73页 |
| ·锅炉建模数据的零均值检验 | 第73页 |
| ·时间序列模型的识别 | 第73页 |
| ·参数估计和模型定阶 | 第73-75页 |
| ·时间序列模型的检验 | 第75-76页 |
| ·时间序列模型的预测 | 第76-77页 |
| ·GA-BP 建模方法与时间序列建模方法的比较分析 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第84-85页 |
| 致谢 | 第85-86页 |