基于神经网络煤的发热量和灰熔点预测

摘要	第1-6页
Abstract	第6-10页
第1章 绪论	第10-15页
·选题背景及研究意义	第10-11页
·国内外研究现状	第11-13页
·煤的发热量研究现状	第11-12页
·煤的灰熔点研究现状	第12-13页
·人工神经网络的研究现状	第13页
·论文的主要研究工作	第13-15页
·研究分析煤的发热量和灰熔点	第13-14页
·建立神经网络预测模型并对其改进	第14-15页
第2章 煤的发热量和灰熔点分析	第15-26页
·煤的发热量研究分析	第15-19页
·煤的几种不同发热量的涵义	第15-16页
·现代氧弹量热仪的基本原理	第16-17页
·煤的工业分析方法	第17-18页
·煤的工业分析主要组分对发热量的影响	第18-19页
·煤的灰熔点研究分析	第19-24页
·煤的灰熔点的涵义	第19-20页
·煤的灰熔点测定方法	第20-21页
·煤灰中各组成部分对灰熔点的影响	第21-24页
·本章小结	第24-26页
第3章 神经网络	第26-40页
·神经网络的发展	第26-27页
·神经网络的基础理论	第27-32页
·生物神经元	第27-29页
·人工神经元	第29-32页
·神经网络的基本结构	第32-34页
·前馈型网络	第32-33页
·反馈型网络	第33-34页
·神经网络的学习	第34-38页
·神经网络学习方式	第34-36页
·神经网络学习算法	第36-38页
·本章小结	第38-40页
第4章 神经网络预测模型及其改进	第40-56页
·常规神经网络	第40-45页
·BP算法的原理	第40-43页
·RBF算法的原理	第43-45页
·常规神经网络预测	第45-49页
·煤的发热量预测	第45-46页
·煤的灰熔点预测	第46-48页
·预测性能分析	第48-49页
·基于粒子群优化RBF预测模型	第49-55页
·粒子群的基本原理	第50-52页
·基于PSO算法优化RBF预测模型	第52-55页
·本章小结	第55-56页
第5章 结论与展望	第56-58页
参考文献	第58-61页
攻读硕士学位期间发表的论文和参加的科研情况	第61-62页
致谢	第62页