| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题的背景和意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11-13页 |
| 第2章 电站锅炉燃烧优化相关问题 | 第13-18页 |
| 2.1 电站锅炉燃烧时NO_x的生成机理 | 第13-14页 |
| 2.1.1 燃料型NO_x | 第13页 |
| 2.1.2 热力型NO_x | 第13-14页 |
| 2.1.3 快速型NO_x | 第14页 |
| 2.2 电站锅炉热效率 | 第14-17页 |
| 2.2.1 锅炉热效率的定义 | 第14-15页 |
| 2.2.2 锅炉热效率的计算 | 第15-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 支持向量机理论与智能优化算法原理 | 第18-31页 |
| 3.1 机器学习理论概述 | 第18-19页 |
| 3.2 统计学理论 | 第19-20页 |
| 3.3 支持向量机理论 | 第20-25页 |
| 3.3.1 支持向量机的背景 | 第20-21页 |
| 3.3.2 支持向量机分类 | 第21-22页 |
| 3.3.3 支持向量机回归 | 第22-24页 |
| 3.3.4 支持向量机模型参数的影响 | 第24-25页 |
| 3.4 遗传算法 | 第25-30页 |
| 3.4.1 遗传算法的基本概念 | 第25页 |
| 3.4.2 遗传算法的流程 | 第25-28页 |
| 3.4.3 多目标遗传算法 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 NO_x和效率的建模与单目标优化 | 第31-50页 |
| 4.1 300MW机组的NO_x建模与优化 | 第31-38页 |
| 4.1.1 实验设备简介 | 第31-32页 |
| 4.1.2 实验数据来源 | 第32-33页 |
| 4.1.3 NO_x的SVM模型结构 | 第33-34页 |
| 4.1.4 模型的建立与验证 | 第34-36页 |
| 4.1.5 优化目标和约束条件 | 第36-37页 |
| 4.1.6 优化结果与分析 | 第37-38页 |
| 4.2 1000MW机组的NO_x和效率建模与单目标优化 | 第38-49页 |
| 4.2.1 实验设备简介 | 第38-39页 |
| 4.2.2 实验数据来源 | 第39页 |
| 4.2.3 NO_x和热效率SVM模型结构 | 第39-41页 |
| 4.2.4 模型的建立与验证 | 第41-44页 |
| 4.2.5 优化目标和约束条件 | 第44-45页 |
| 4.2.6 优化结果与分析 | 第45-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第5章 1000MW机组NO_x和效率的多目标优化 | 第50-56页 |
| 5.1 多目标优化的数学描述 | 第50页 |
| 5.2 1000MW机组多目标优化的模型 | 第50-51页 |
| 5.3 优化结果分析 | 第51-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 结论与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-64页 |
| 致谢 | 第64页 |