摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第11-16页 |
1.1 热工过程数据建模的研究背景 | 第11-12页 |
1.2 变量选择的意义和现状 | 第12-13页 |
1.2.1 变量选择的意义 | 第12-13页 |
1.2.2 变量选择的研究现状 | 第13页 |
1.3 NO_x数据建模的意义和现状 | 第13-15页 |
1.3.1 NO_x数据建模的意义 | 第13-14页 |
1.3.2 NO_x数据建模的研究现状 | 第14-15页 |
1.4 论文研究内容 | 第15-16页 |
第2章 变量选择方法概述 | 第16-25页 |
2.1 变量选择框架 | 第16-17页 |
2.2 子集生成方式 | 第17-19页 |
2.2.1 搜索起点和搜索方向 | 第17页 |
2.2.2 搜索策略 | 第17-19页 |
2.3 评价标准 | 第19-20页 |
2.4 变量选择算法分类 | 第20-24页 |
2.5 本章小结 | 第24-25页 |
第3章 基于互信息的NO_x生成量相关变量选择 | 第25-39页 |
3.1 信息理论 | 第25-27页 |
3.1.1 信息熵 | 第25-26页 |
3.1.2 互信息 | 第26页 |
3.1.3 条件互信息 | 第26-27页 |
3.2 熵的估计 | 第27-29页 |
3.2.1 直方图法 | 第27页 |
3.2.2 核方法 | 第27-28页 |
3.2.3 K近邻法 | 第28-29页 |
3.3 基于信息理论的变量选择方法 | 第29-30页 |
3.4 基于k近邻互信息的分步式变量选择方法 | 第30-33页 |
3.4.1 无关独立变量剔除 | 第30-31页 |
3.4.2 阶次序列变量选择 | 第31-33页 |
3.5 仿真验证 | 第33-34页 |
3.6 NO_x生成量的相关变量选择 | 第34-38页 |
3.6.1 锅炉描述 | 第34-35页 |
3.6.2 初始变量选择 | 第35-36页 |
3.6.3 相关变量选择 | 第36-38页 |
3.7 本章小结 | 第38-39页 |
第4章 基于LSSVM的NO_x生成量动态预估 | 第39-51页 |
4.1 支持向量机方法 | 第39-42页 |
4.1.1 统计学习理论 | 第39页 |
4.1.2 支持向量机的相关理论 | 第39-42页 |
4.1.2.1 线性回归 | 第40-41页 |
4.1.2.2 非线性回归 | 第41-42页 |
4.2 最小二乘支持向量机的基本原理 | 第42-43页 |
4.3 遗传算法的基本原理 | 第43-46页 |
4.3.1 编码与解码 | 第44-45页 |
4.3.2 遗传算子 | 第45-46页 |
4.3.2.1 选择算子 | 第45页 |
4.3.2.2 交叉算子 | 第45-46页 |
4.3.2.3 变异算子 | 第46页 |
4.4 基于GA-LSSVM的NO_x生成量动态预估 | 第46-50页 |
4.4.1 模型结构 | 第46-47页 |
4.4.2 模型训练 | 第47页 |
4.4.3 模型预估评价 | 第47-50页 |
4.4.4.1 变量选择算法对预估效果的影响 | 第48页 |
4.4.4.2 寻优策略对预估效果的影响 | 第48-49页 |
4.4.4.3 建模方法对预估效果的影响 | 第49-50页 |
4.5 本章小结 | 第50-51页 |
第5章 总结与展望 | 第51-52页 |
5.1 全文总结 | 第51页 |
5.2 工作展望 | 第51-52页 |
参考文献 | 第52-56页 |
攻读硕士期间发表的论文及其它成果 | 第56-57页 |
致谢 | 第57页 |