摘要 | 第1-5页 |
ABSTRACT | 第5-7页 |
符号说明 | 第7-10页 |
第一章 绪论 | 第10-18页 |
·国内及湖南省煤炭资源现状 | 第10-11页 |
·我国煤炭资源现状 | 第10-11页 |
·湖南省煤炭资源现状 | 第11页 |
·电厂用煤现状及影响 | 第11-12页 |
·电厂用煤现状 | 第11-12页 |
·电厂燃用非设计煤种的影响 | 第12页 |
·动力配煤优点及国内外发展现状 | 第12-15页 |
·动力配煤的优点 | 第12-13页 |
·国内动力配煤发展现状 | 第13-14页 |
·动力配煤概念的提出 | 第13页 |
·国内动力配煤研究现状 | 第13-14页 |
·国外动力配煤发展现状 | 第14-15页 |
·智能优化技术简介 | 第15-16页 |
·主要研究内容 | 第16-18页 |
第二章 煤种煤质特性分析及热重分析实验 | 第18-28页 |
·单煤煤质特性分析 | 第18-21页 |
·单煤工业分析及发热量 | 第18-19页 |
·单煤元素分析 | 第19-20页 |
·配煤混煤方案 | 第20-21页 |
·配煤煤质特性的非线性验证 | 第21-24页 |
·混煤热重分析实验 | 第24-27页 |
·热分析 | 第24-25页 |
·热重分析仪简介 | 第25页 |
·混煤热重实验 | 第25-26页 |
·实验结果及分析 | 第26-27页 |
·本章小结 | 第27-28页 |
第三章 Elman神经网络在动力配煤煤质特性预测中的应用研究 | 第28-50页 |
·Elman神经网络基本原理 | 第28-30页 |
·人工神经网络概述 | 第28-29页 |
·Elman神经网络基本原理 | 第29-30页 |
·Elman神经网络预测模型的建模过程 | 第30-41页 |
·Elman神经网络输入与输出 | 第30-31页 |
·Elman神经网络样本的前处理 | 第31-35页 |
·Elman神经网络各层神经元传递函数的确定 | 第35-36页 |
·Elman神经网络算法的选择 | 第36-39页 |
·Elman神经网络隐含层节点数的确定 | 第39-40页 |
·Elman神经网络学习速率的选择 | 第40-41页 |
·Elman神经网络的在动力配煤煤质特性预测中的应用 | 第41-45页 |
·Elman神经网络在动力配煤工业成分预测中的应用 | 第41-42页 |
·Elman神经网络在动力配煤着火温度和发热量预测中的应用 | 第42页 |
·Elman神经网络在动力配煤元素分析中的应用 | 第42-45页 |
·Elman神经网络预测结果分析 | 第45-49页 |
·预测结果的相关性分析 | 第45-47页 |
·预测模型结果的误差置信区间分析 | 第47-49页 |
·本章小结 | 第49-50页 |
第四章 模拟退火法在动力配煤优化模型中的应用研究 | 第50-65页 |
·动力配煤优化模型的建立 | 第50-52页 |
·确定约束条件 | 第50页 |
·建立数学模型 | 第50-52页 |
·模拟退火法原理及其收敛性 | 第52-55页 |
·模拟退火法原理 | 第52-53页 |
·物理退火过程 | 第52页 |
·Metropolis准则 | 第52-53页 |
·组合优化问题与物理退火的相似性 | 第53页 |
·模拟退火法结构流程及收敛性 | 第53-55页 |
·模拟退火法在动力配煤模型中的应用 | 第55-61页 |
·模拟退火模型的建立 | 第55-57页 |
·配煤方案的数学表示 | 第55页 |
·邻域的确定 | 第55-56页 |
·状态接受函数 | 第56页 |
·内循环终止条件 | 第56页 |
·温度衰减函数的确定 | 第56-57页 |
·算法终止准则 | 第57页 |
·冷却进度表参数的优化选取 | 第57-61页 |
·初始温度t_0的优化选取 | 第57-59页 |
·降温系数的优化选取 | 第59-61页 |
·马尔克夫链长度的选取 | 第61页 |
·模拟退火法寻优结果及评价 | 第61-64页 |
·模拟退火法寻优结果 | 第61-62页 |
·穷举法寻优结果 | 第62-63页 |
·模拟退火法寻优结果评价 | 第63-64页 |
·本章小结 | 第64-65页 |
第五章 结论与建议 | 第65-67页 |
·结论 | 第65-66页 |
·建议 | 第66-67页 |
参考文献 | 第67-70页 |
致谢 | 第70-71页 |
攻读硕士学位期间主要研究成果 | 第71页 |