基于小波变换和人工神经网络方法的煤热转化预测模型研究

摘要	第1-4页
Abstract	第4-9页
第一章 绪论	第9-16页
·引言	第9-10页
·人工神经网络在煤炭领域中的应用	第10-12页
·煤燃烧	第10页
·煤热解	第10-11页
·煤气化	第11页
·其他应用	第11-12页
·小波变换的应用	第12-14页
·信息除噪	第12-13页
·谱图分析	第13-14页
·信息提取与分析	第14页
·本文的研究意义与内容	第14-16页
第二章 小波变换	第16-26页
·小波概论	第16页
·小波变换的类型	第16-18页
·连续小波变换	第16-17页
·离散小波变换	第17-18页
·小波变换的特点	第18-19页
·小波的分类	第19-22页
·常见的经典小波	第19-20页
·正交小波	第20-21页
·双正交小波	第21-22页
·采用MARR小波连续小波变换提取峰位	第22-26页
·原理	第22-25页
·尺度因子a的选择	第25-26页
第三章 人工神经网络	第26-38页
·人工神经网络概论	第26-27页
·生物神经网络	第27-29页
·生物神经元的结构	第27-28页
·生物神经网络信息的传递	第28-29页
·人工神经网络模型	第29-32页
·人工神经元模型	第29-30页
·人工神经网络模型的分类	第30页
·常见人工神经网络模型	第30-31页
·人工神经网络的特点	第31-32页
·BP神经网络模型	第32-38页
·BP神经网络的结构	第32页
·BP神经网络模型的确定	第32-36页
·BP神经网络模型的存在的不足	第36页
·BP神经网络的改进方法	第36-38页
第四章 建模方法	第38-44页
·实验数据信息的提取	第38页
·神经网络模型	第38-44页
·BP神经网络模型	第38-40页
·改进BP神经网络	第40-42页
·神经网络模型的确定	第42-44页
第五章 煤加氢热解反应预测模型	第44-74页
·煤样	第44页
·煤热解实验	第44-45页
·连续小波变换提取数据	第45-54页
·基于神经网络的煤加氢热解反应预测模型	第54-65页
·模型设计	第54页
·多输出预测模型	第54-57页
·单输出预测模型	第57-64页
·多输出预测模型与单输出预测模型的比较	第64-65页
·模型分析	第65-72页
·失重率预测模型分析	第65-68页
·第一温峰预测模型分析	第68-71页
·失重速率峰个数预测模型分析	第71-72页
·本章小结	第72-74页
第六章 煤二氧化碳催化气化反应预测模型	第74-99页
·煤样	第74页
·煤催化气化实验	第74页
·基于神经网络的煤二氧化碳催化气化实验预测模型	第74-89页
·模型设计	第74-75页
·多输出预测模型	第75-79页
·单输出预测模型	第79-87页
·多输出预测模型与单输出预测模型的比较	第87-89页
·回归方法与改进BP神经网络方法的比较	第89-93页
·气化率预测	第90-91页
·气化初始温度预测	第91-92页
·最大气化速率所对应的温度预测	第92-93页
·模型分析	第93-97页
·气化率预测模型分析	第93-95页
·气化初始温度预测模型分析	第95-96页
·最大气化速率所对应的温度预测模型分析	第96-97页
·本章小结	第97-99页
第七章 总结与展望	第99-102页
·总结	第99-100页
·创新	第100-101页
·展望	第101-102页
参考文献	第102-107页
攻读硕士学位期间取得的学术成果	第107-108页
致谢	第108页