| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-32页 |
| §1．1 引言 | 第11页 |
| §1．2 中国城市生活垃圾的特征 | 第11-13页 |
| §1．2．1 城市生活垃圾的产量 | 第11页 |
| §1．2．2 城市生活垃圾的组成特征及变化趋势 | 第11-12页 |
| §1．2．3 城市生活垃圾的物理与化学性质 | 第12-13页 |
| §1．3 国内外城市生活垃圾处理技术 | 第13-15页 |
| §1．3．1 卫生填埋 | 第13-14页 |
| §1．3．2 堆肥 | 第14页 |
| §1．3．3 热处理法 | 第14-15页 |
| §1．4 城市生活垃圾的焚烧技术 | 第15-22页 |
| §1．4．1 国外典型垃圾流化床焚烧炉系统 | 第17-21页 |
| §1．4．2 国内典型垃圾流化床焚烧炉系统 | 第21-22页 |
| §1．5 垃圾流化床焚烧污染物排放特性 | 第22-24页 |
| §1．6 神经网络理论 | 第24-25页 |
| §1．7 本文的工作背景、主要内容和意义 | 第25-27页 |
| §1．8 论文的研究内容 | 第27-28页 |
| 参考文献 | 第28-32页 |
| 第二章 城市垃圾流化床焚烧污染物排放特性及人工神经网络研究综述 | 第32-46页 |
| §2．1 引言 | 第32页 |
| §2．2 国内外城市垃圾流化床焚烧污染物排放特性研究进展 | 第32-37页 |
| §2．2．1 城市垃圾流化床焚烧NO_x、SO_2排放特性研究进展 | 第32-34页 |
| §2．2．2 城市垃圾流化床焚烧HCl排放特性研究进展 | 第34-37页 |
| §2．3 人工神经网络研究进展 | 第37-39页 |
| §2．3．1 人工神经网络应用领域 | 第37-38页 |
| §2．3．2 目前人工神经网络研究现状 | 第38-39页 |
| §2．4 本章小结 | 第39-40页 |
| 参考文献 | 第40-46页 |
| 第三章 城市垃圾流化床焚烧酸性气体排放特性研究 | 第46-78页 |
| §3．1 引言 | 第46页 |
| §3．2 试验系统与测试设备 | 第46-48页 |
| §3．3 试验材料的准备及分析 | 第48页 |
| §3．4 垃圾流化床焚烧酸性气体转化率折算 | 第48-49页 |
| §3．5 垃圾流化床焚烧NO_x排放特性 | 第49-61页 |
| §3．5．1 炉膛出口氧量 | 第49-51页 |
| §3．5．2 床层温度 | 第51-52页 |
| §3．5．3 燃料含水率 | 第52-53页 |
| §3．5．4 两种垃圾混合燃烧 | 第53-55页 |
| §3．5．5 煤与垃圾混合燃烧 | 第55-56页 |
| §3．5．6 二次风率 | 第56-57页 |
| §3．5．7 脱硫剂 | 第57-60页 |
| §3．5．8 燃料性质及床料 | 第60页 |
| §3．5．9 其它因素 | 第60-61页 |
| §3．6 垃圾流化床焚烧SO_2排放特性 | 第61-67页 |
| §3．6．1 床层温度 | 第61-62页 |
| §3．6．2 炉膛出口氧量 | 第62-63页 |
| §3．6．3 煤与垃圾混合燃烧 | 第63-64页 |
| §3．6．4 燃料Cl含量 | 第64-65页 |
| §3．6．5 脱硫剂 | 第65-66页 |
| §3．6．6 燃料含水率 | 第66-67页 |
| §3．6．7 其它影响因素 | 第67页 |
| §3．7 垃圾流化床焚烧HCl排放特性 | 第67-71页 |
| §3．7．1 床层温度 | 第67-68页 |
| §3．7．2 炉膛出口氧量 | 第68-69页 |
| §3．7．3 煤与垃圾混合燃烧 | 第69-70页 |
| §3．7．4 脱硫剂 | 第70-71页 |
| §3．7．5 含水率 | 第71页 |
| §3．7．6 其它影响因素 | 第71页 |
| §3．8 本章小结 | 第71-74页 |
| 参考文献 | 第74-78页 |
| 第四章 BP神经网络理论及其在预测系统的建模过程 | 第78-102页 |
| §4．1 引言 | 第78页 |
| §4．2 原始的BP算法 | 第78-82页 |
| §4．2．1 信息的正向传递 | 第79-80页 |
| §4．2．2 误差的反向传播 | 第80-81页 |
| §4．2．3 Matlab程序解算过程 | 第81-82页 |
| §4．3 BP 算法局部极值产生原因 | 第82-83页 |
| §4．4 BP 算法的改进 | 第83-87页 |
| §4．4．1 加入γ_1~(P_1) | 第83-84页 |
| §4．4．2 加动量项法 | 第84页 |
| §4．4．3 自适应变步长法 | 第84-85页 |
| §4．4．4 改进遗传算法 | 第85-86页 |
| §4．4．5 模拟退火法 | 第86-87页 |
| §4．4．6 变量的重新标定法 | 第87页 |
| §4．5 BP 网络预测系统的建模过程 | 第87-99页 |
| §4．5．1 数据样本集的准备 | 第88-92页 |
| §4．5．2 网络拓扑结构的确定 | 第92-99页 |
| §4．6 本章小结 | 第99页 |
| 参考文献 | 第99-102页 |
| 第五章 BP神经网络理论在垃圾流化床焚烧酸性气体排放预测中的应用 | 第102-135页 |
| §5．1 引言 | 第102-104页 |
| §5．2 垃圾流化床焚烧酸性气体排放BP网络预测模型 | 第104-114页 |
| §5．2．1 BP神经网络预测模型输入层节点 | 第104-106页 |
| §5．2．2 BP神经网络预测模型样本数据集 | 第106-110页 |
| §5．2．3 BP神经网络模型算法的选择 | 第110-111页 |
| §5．2．4 BP神经网络模型学习精度的选择 | 第111-112页 |
| §5．2．5 BP神经网络预测模型隐含层节点 | 第112页 |
| §5．2．6 BP神经网络预测模型预测范围 | 第112-113页 |
| §5．2．7 BP神经网络预测模型结构 | 第113-114页 |
| §5．3 BP神经网络预测模型迭代过程 | 第114-117页 |
| §5．4 BP网络预测模型预测效果 | 第117-118页 |
| §5．5 回归分析与BP神经网络预测效果初步比较 | 第118-121页 |
| §5．6 垃圾流化床焚烧典型组分垃圾的排放特性预测 | 第121-126页 |
| §5．6．1 流化床典型组分垃圾焚烧的NO排放特性预测 | 第122-123页 |
| §5．6．2 流化床典型组分垃圾焚烧的SO_2排放特性预测 | 第123-124页 |
| §5．6．3 流化床典型组分垃圾焚烧的HCl排放特性预测 | 第124-125页 |
| §5．6．4 典型组分垃圾酸性气体排放的BP网络预测结果评价 | 第125-126页 |
| §5．7 原生垃圾流化床焚烧酸性气体排放的BP网络预测 | 第126-131页 |
| §5．7．1 原生垃圾流化床焚烧NO排放的BP网络预测 | 第127-128页 |
| §5．7．2 原生垃圾流化床焚烧SO_2排放的BP网络预测 | 第128-129页 |
| §5．7．3 原生垃圾流化床焚烧HCl排放的BP网络预测 | 第129-130页 |
| §5．7．4 原生垃圾酸性气体排放的BP网络预测结果评价 | 第130-131页 |
| §5．8 150T／D垃圾与煤流化床混烧酸性气体排放预测 | 第131-132页 |
| §5．9 本章小结 | 第132-133页 |
| 参考文献 | 第133-135页 |
| 第六章 BP人工神经网络建模的前后处理过程研究 | 第135-151页 |
| §6．1 引言 | 第135-136页 |
| §6．2 典型相关分析 | 第136-141页 |
| §6．2．1 输入与输出变量 | 第136页 |
| §6．2．2 样本相关矩阵的计算 | 第136-137页 |
| §6．2．3 求典型相关系数λ_i，i=1，2，…，k，其中k为R_(XY)的秩 | 第137-138页 |
| §6．2．4 神经网络预测模型的典型相关分析 | 第138-140页 |
| §6．2．5 神经网络预测模型的典型相关分析计算结果分析 | 第140-141页 |
| §6．3 神经网络预测预测模型的主成分分析 | 第141-145页 |
| §6．4 神经网络模型预测误差的置信区间分析 | 第145-147页 |
| §6．5 BP神经网络模型预测结果的相关性分析 | 第147-149页 |
| §6．6 本章小结 | 第149页 |
| 参考文献 | 第149-151页 |
| 第七章 重金属、二噁英生成与迁移特性及神经网络预测可行性分析 | 第151-158页 |
| §7．1 引言 | 第151页 |
| §7．2 垃圾焚烧过程中重金属的生成与迁移特性 | 第151-153页 |
| §7．3 垃圾焚烧过程二噁英的生成及迁移特性 | 第153-155页 |
| §7．4 重金属、二噁英的神经网络预测可行性分析 | 第155页 |
| 参考文献 | 第155-158页 |
| 第八章 全文总结和进一步工作展望 | 第158-162页 |
| §8．1 本文结论 | 第158-160页 |
| §8．2 本文主要创新点 | 第160页 |
| §8．3 进一步工作展望 | 第160-162页 |
| 作者在攻博期间发表或已录用的论文 | 第162-163页 |
| 致谢 | 第163页 |
