| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 选题背景及其意义 | 第9-11页 |
| 1.2 基于数据的建模过程 | 第11-12页 |
| 1.3 基于数据的建模方法 | 第12-14页 |
| 1.3.1 多元线性回归 | 第12页 |
| 1.3.2 主成分回归法 | 第12页 |
| 1.3.3 偏最小二乘回归法 | 第12-13页 |
| 1.3.4 神经网络 | 第13-14页 |
| 1.3.5 支持向量机 | 第14页 |
| 1.4 模型验证 | 第14-15页 |
| 1.5 基于数据建模的研究现状 | 第15-16页 |
| 1.6 论文的主要内容及结构安排 | 第16-19页 |
| 第2章 热工运行数据特性及预处理方法 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 热工运行数据特性 | 第19-21页 |
| 2.3 热工运行数据的预处理方法 | 第21-24页 |
| 2.3.1 运行数据验证 | 第21-22页 |
| 2.3.2 基于相邻数据变化率的数据验证 | 第22-23页 |
| 2.3.3 数据标准化 | 第23-24页 |
| 2.4 特征变量选择 | 第24-26页 |
| 2.4.1 基于机理分析的方法 | 第24页 |
| 2.4.2 基于模型检验的方法 | 第24-25页 |
| 2.4.3 基于统计的方法 | 第25页 |
| 2.4.4 基于PLS变量选取方法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于PLS特征提取的LSSVM非线性建模方法 | 第27-35页 |
| 3.0 引言 | 第27-28页 |
| 3.1 单变量PLS特征提取方法 | 第28-29页 |
| 3.2 支持向量机理论 | 第29-32页 |
| 3.2.1 标准支持向量机 | 第29-30页 |
| 3.2.2 最小二乘支持向量机回归 | 第30-32页 |
| 3.2.3 核函数选择 | 第32页 |
| 3.3 PLS-LSSVM模型结构 | 第32-33页 |
| 3.4 模型参数选取 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于运行数据的电站再热汽温建模 | 第35-45页 |
| 4.1 引言 | 第35页 |
| 4.2 电站锅炉介绍 | 第35-38页 |
| 4.3 再热汽温影响因素分析和数据准备 | 第38-40页 |
| 4.3.1 再热汽温影响因素分析 | 第38-39页 |
| 4.3.2 稳态工况样本选择 | 第39-40页 |
| 4.4 再热汽温模型构建 | 第40-44页 |
| 4.4.1 模型训练样本和测试样本 | 第40页 |
| 4.4.2 模型参数的选取 | 第40-41页 |
| 4.4.3 模型验证 | 第41-42页 |
| 4.4.4 模型对比 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 结论与展望 | 第45-47页 |
| 5.1 结论 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第51-53页 |
| 攻读硕士学位期间参加的科研工作 | 第53-55页 |
| 致谢 | 第55-57页 |
| 作者简介 | 第57页 |