| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 课题背景及研究的目的和意义 | 第9页 |
| 1.2 国内外研究状态 | 第9-11页 |
| 1.3 本文研究的思路及主要内容 | 第11-12页 |
| 1.3.1 研究思路 | 第11页 |
| 1.3.2 研究内容 | 第11-12页 |
| 第2章 大数据概述 | 第12-16页 |
| 2.1 大数据分析技术 | 第12页 |
| 2.2 大数据挖掘 | 第12-16页 |
| 2.2.1 定义 | 第12-13页 |
| 2.2.2 一般过程 | 第13-14页 |
| 2.2.3 数据挖掘常用方法 | 第14-16页 |
| 第3章 基于大数据的设备状态在线监测与预警诊断系统理论研究 | 第16-23页 |
| 3.1 关联度的计算 | 第16-18页 |
| 3.1.1 关联度性质 | 第16-17页 |
| 3.1.2 关联度的计算 | 第17-18页 |
| 3.2 运行模式的计算 | 第18-22页 |
| 3.2.1 基本聚类挖掘方法 | 第18-20页 |
| 3.2.2 函数型数据的相似性指标 | 第20-21页 |
| 3.2.3 基于基函数展开的函数型数据聚类方法 | 第21页 |
| 3.2.4 利用相似系数聚类 | 第21-22页 |
| 3.3 本章小结 | 第22-23页 |
| 第4章 电厂关键设备氧化风机模型的构建 | 第23-35页 |
| 4.1 模型创建 | 第23-29页 |
| 4.2 模型优化及调整 | 第29-30页 |
| 4.3 模型运行情况分析 | 第30-32页 |
| 4.4 预警分析 | 第32-34页 |
| 4.5 本章小结 | 第34-35页 |
| 第5章 电厂关键设备凝结水泵模型的构建 | 第35-40页 |
| 5.1 模型创建 | 第35-36页 |
| 5.2 模型优化及调整 | 第36-37页 |
| 5.3 模型运行情况分析 | 第37-38页 |
| 5.4 预警分析 | 第38-39页 |
| 5.5 本章小结 | 第39-40页 |
| 第6章 电厂关键设备磨煤机模型的构建 | 第40-44页 |
| 6.1 模型创建 | 第40-41页 |
| 6.2 模型优化及调整 | 第41-42页 |
| 6.3 模型运行情况分析 | 第42页 |
| 6.4 预警分析 | 第42-43页 |
| 6.5 本章小结 | 第43-44页 |
| 第7章 结论与展望 | 第44-45页 |
| 7.1 结论 | 第44页 |
| 7.2 展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 攻读硕士学位期间参加的科研工作 | 第49-50页 |
| 致谢 | 第50-51页 |
| 作者简介 | 第51页 |