| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题的背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·存在的问题与难点 | 第14-15页 |
| ·本文内容及结构 | 第15-17页 |
| 第2章 循环流化床锅炉及其燃烧优化 | 第17-31页 |
| ·锅炉概述 | 第17-19页 |
| ·循环流化床锅炉工作原理 | 第17-18页 |
| ·循环流化床锅炉的主要优势 | 第18-19页 |
| ·循环流化床锅炉的 NOX生成机理 | 第19-21页 |
| ·热力型 NO_x | 第19-20页 |
| ·燃料型 NO_x | 第20-21页 |
| ·快速型 NO_x | 第21页 |
| ·循环流化床锅炉热效率的计算 | 第21-28页 |
| ·循环硫化床锅炉热效率的计算方法 | 第22页 |
| ·循环流化床锅炉反平衡计算热效率法 | 第22-23页 |
| ·循环流化床锅炉热损失的计算 | 第23-28页 |
| ·循环流化床锅炉的燃烧优化要求 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 支持向量机理论与人工蜂群算法 | 第31-55页 |
| ·机器学习和统计学相关内容 | 第31-34页 |
| ·机器学习 | 第31-32页 |
| ·VC 维 | 第32页 |
| ·经验风险最小化 | 第32-33页 |
| ·结构风险最小化 | 第33-34页 |
| ·支持向量机 | 第34-42页 |
| ·支持向量机的优点 | 第34-35页 |
| ·支持向量机的基本思想 | 第35-36页 |
| ·支持向量机分类 | 第36-40页 |
| ·支持向量机回归问题 | 第40-42页 |
| ·最小二乘支持向量机 | 第42-44页 |
| ·人工蜂群算法 | 第44-47页 |
| ·人工蜂群算法的生物模型 | 第44-46页 |
| ·人工蜂群算法的数学原理 | 第46-47页 |
| ·人工蜂群算法的改进及测试 | 第47-54页 |
| ·人工蜂群算法的改进（M-ABC） | 第47-49页 |
| ·改进人工蜂群算法仿真比较 | 第49-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 循环流化床锅炉燃烧过程模型 | 第55-73页 |
| ·循环流化床锅炉燃烧系统的分析 | 第55-59页 |
| ·建模方法的选择 | 第55-56页 |
| ·最小二乘支持向量机里内积核函数的选取 | 第56-57页 |
| ·本文试验对象和数据样本的来源 | 第57-59页 |
| ·循环流化床锅炉 NO_X排放量模型的建立 | 第59-66页 |
| ·LSSVM 里的 C 和δ~2对 NO_x模型的影响 | 第59-61页 |
| ·循环流化床锅炉 NO_x 排放浓度的模型 | 第61-64页 |
| ·算法对比分析 | 第64-66页 |
| ·循环流化床锅炉热效率模型的建立 | 第66-72页 |
| ·LSSVM 里的 C 和 δ~2对锅炉热效率模型的影响 | 第66-68页 |
| ·循环流化床锅炉燃烧热效率的模型建立 | 第68-70页 |
| ·算法对比分析 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第5章 循环流化床锅炉燃烧优化 | 第73-83页 |
| ·循环流化床锅炉燃烧优化分析 | 第73-74页 |
| ·循环流化床锅炉燃烧优化的过程 | 第74-75页 |
| ·循环流化床锅炉单目标优化 | 第75-77页 |
| ·以降低 NO_x排放浓度为目标的优化 | 第75-76页 |
| ·以提高锅炉热效率为目标的优化 | 第76-77页 |
| ·循环流化床锅炉多目标的优化 | 第77-82页 |
| ·循环流化床锅炉燃烧的综合模型 | 第78-81页 |
| ·循环流化床锅炉多目标优化 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 结论 | 第83-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第90-91页 |
| 致谢 | 第91-92页 |
| 作者简介 | 第92页 |