长输成品油管道能耗预测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 选题背景及意义 | 第8-10页 |
| 1.1.1 选题背景 | 第8-9页 |
| 1.1.2 选题意义 | 第9-10页 |
| 1.2 输油管道能耗预测研究 | 第10-16页 |
| 1.2.1 预测方法研究 | 第10页 |
| 1.2.2 原油管输能耗预测研究 | 第10-14页 |
| 1.2.3 成品油管输能耗预测研究 | 第14-16页 |
| 1.3 研究内容与技术路线 | 第16-19页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 技术路线 | 第17-18页 |
| 1.3.3 主要创新点 | 第18-19页 |
| 第2章 成品油管道研究的基本分析 | 第19-44页 |
| 2.1 能耗组成 | 第19-20页 |
| 2.2 能耗分析 | 第20-22页 |
| 2.3 能耗表达 | 第22-24页 |
| 2.4 能耗影响因素及其影响规律 | 第24-31页 |
| 2.4.1 内因 | 第24-28页 |
| 2.4.2 外因 | 第28-31页 |
| 2.5 能耗影响因素灰色关联分析 | 第31-32页 |
| 2.5.1 原理 | 第31页 |
| 2.5.2 结果 | 第31-32页 |
| 2.6 能耗影响因素主成分分析 | 第32-38页 |
| 2.6.1 SPSS主成分分析 | 第32-36页 |
| 2.6.2 SPSS多元线性回归 | 第36-38页 |
| 2.6.3 运行能耗与输量及油品比例的二元关系 | 第38页 |
| 2.7 能耗指标体系 | 第38-42页 |
| 2.7.1 能耗指标体系的要求 | 第38-39页 |
| 2.7.2 现有的指标体系 | 第39-40页 |
| 2.7.3 建立的指标体系 | 第40-41页 |
| 2.7.4 各指标对应能耗概况 | 第41-42页 |
| 2.8 能耗节能分析 | 第42-43页 |
| 2.9 本章小结 | 第43-44页 |
| 第3章 成品油管道能耗预测方法 | 第44-61页 |
| 3.1 基于灰色模型的能耗预测 | 第44-46页 |
| 3.1.1 灰色预测原理 | 第44-45页 |
| 3.1.2 灰色预测算法步骤 | 第45-46页 |
| 3.1.3 灰色预测优缺点及改进 | 第46页 |
| 3.2 基于SVM的能耗预测 | 第46-50页 |
| 3.2.1 SVM算法原理 | 第47-48页 |
| 3.2.2 SVM核函数的选择 | 第48-49页 |
| 3.2.3 SVM算法步骤 | 第49页 |
| 3.2.4 SVM算法优缺点及改进 | 第49-50页 |
| 3.3 基于BP的能耗预测 | 第50-53页 |
| 3.3.1 BP算法原理 | 第51-52页 |
| 3.3.2 BP算法步骤 | 第52-53页 |
| 3.3.3 BP算法优缺点及改进 | 第53页 |
| 3.4 基于ELM的能耗预测 | 第53-56页 |
| 3.4.1 ELM算法原理 | 第54-55页 |
| 3.4.2 ELM算法步骤 | 第55页 |
| 3.4.3 ELM算法优缺点及改进 | 第55-56页 |
| 3.5 基于RBF的能耗预测 | 第56-58页 |
| 3.5.1 RBF算法原理 | 第56-57页 |
| 3.5.2 RBF算法步骤 | 第57-58页 |
| 3.5.3 RBF算法优缺点及改进 | 第58页 |
| 3.6 预测模型效果评定 | 第58-60页 |
| 3.8 本章小结 | 第60-61页 |
| 第4章 成品油管道能耗预测实例 | 第61-88页 |
| 4.1 兰成渝管道月泵站能耗预测 | 第61-79页 |
| 4.1.1 数据模型 | 第63-64页 |
| 4.1.2 灰色模型预测 | 第64-65页 |
| 4.1.3 SVM支持向量机预测 | 第65-69页 |
| 4.1.4 BP神经网络预测 | 第69-72页 |
| 4.1.5 ELM神经网络预测 | 第72-74页 |
| 4.1.6 RBF神经网络预测 | 第74-77页 |
| 4.1.7 小结 | 第77-79页 |
| 4.2 鲁皖一期管道月全线能耗预测 | 第79-83页 |
| 4.2.1 数据模型 | 第79-80页 |
| 4.2.2 SVM支持向量机预测 | 第80页 |
| 4.2.3 BP神经网络预测 | 第80-81页 |
| 4.2.4 ELM神经网络预测 | 第81页 |
| 4.2.5 RBF神经网络预测 | 第81-82页 |
| 4.2.6 小结 | 第82-83页 |
| 4.3 兰成渝管道日能耗预测 | 第83-87页 |
| 4.3.1 数据模型 | 第83-84页 |
| 4.3.2 SVM支持向量机预测 | 第84-85页 |
| 4.3.3 BP神经网络预测 | 第85页 |
| 4.3.4 RBF神经网络预测 | 第85-86页 |
| 4.3.5 小结 | 第86-87页 |
| 4.4 本章小结 | 第87-88页 |
| 第5章 结论与建议 | 第88-90页 |
| 5.1 结论 | 第88页 |
| 5.2 建议 | 第88-90页 |
| 致谢 | 第90-91页 |
| 参考文献 | 第91-96页 |
| 附录A 兰成渝管道数据 | 第96-118页 |
| 附录B 鲁皖一期管道数据 | 第118-120页 |
| 附录C MATLAB代码 | 第120-131页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第131页 |
