首页--工业技术论文--电工技术论文--发电、发电厂论文--发电厂论文--火力发电厂、热电站论文

基于互信息变量选择的热工过程数据建模

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

论文共57页,点击 下载论文
上一篇:振动时效消除残余应力的有限元分析和试验研究
下一篇:生物质基氮掺杂多孔碳材料的制备及其在超级电容器的应用