| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 绪论 | 第6-17页 |
| ·论文选题的背景 | 第6-7页 |
| ·数据校正技术的研究进展 | 第7-14页 |
| ·数据协调的研究动态 | 第7-8页 |
| ·显著误差检测的研究动态 | 第8-10页 |
| ·冗余性分析的研究现状 | 第10-14页 |
| ·数据校正在实际生产中的应用与研究 | 第14-17页 |
| 第二章 热工过程数据校正技术基础 | 第17-34页 |
| ·数据校正技术概述 | 第17-18页 |
| ·热工测量数据误差分析 | 第18页 |
| ·数据协调的基本原理 | 第18-25页 |
| ·线性稳态过程数据协调 | 第19-21页 |
| ·非线性稳态过程数据协调 | 第21-22页 |
| ·线性动态数据协调 | 第22-23页 |
| ·线性准稳态数据协调 | 第23-25页 |
| ·显著误差检测原理及处理 | 第25-34页 |
| ·显著误差检测的基本原理 | 第25-26页 |
| ·整体检验法 | 第26-27页 |
| ·约束方程检验法 | 第27页 |
| ·测量检验法 | 第27-28页 |
| ·广义似然比法 | 第28-29页 |
| ·主成分分析法 | 第29-31页 |
| ·无偏估计法 | 第31-32页 |
| ·神经网络法 | 第32-34页 |
| 第三章 时间冗余和神经网络理论 | 第34-43页 |
| ·时间冗余概述 | 第34-35页 |
| ·时间冗余的定义 | 第34页 |
| ·基于时间冗余的分析 | 第34-35页 |
| ·人工神经网络概述 | 第35-36页 |
| ·人工神经网络的定义 | 第35-36页 |
| ·人工神经网络的特点 | 第36页 |
| ·基于时间冗余和神经网络的分析预测方法 | 第36-43页 |
| ·神经网络的学习训练规则 | 第36-38页 |
| ·神经网络的学习训练模式 | 第38-40页 |
| ·基于时间冗余和神经网络预测 | 第40-41页 |
| ·几种用于时间序列预测的神经网络 | 第41-43页 |
| 第四章 基于BP神经网络和时间冗余的数据校正算法 | 第43-54页 |
| ·BP神经网络概述 | 第43-45页 |
| ·BP神经网络结构 | 第43-44页 |
| ·BP神经网络的算法和学习规则 | 第44-45页 |
| ·基于时间冗余和BP神经网络预测的数据校正算法 | 第45-54页 |
| ·热工过程测量数据的分类 | 第46-47页 |
| ·BP神经网络样本数据的选择 | 第47-49页 |
| ·BP神经网络的训练步骤 | 第49-51页 |
| ·神经网络的预测检验及再训练 | 第51页 |
| ·神经网络预测校正功能流程 | 第51-54页 |
| 第五章 BP神经网络预测校正方法在热工过程中的应用 | 第54-61页 |
| ·概述 | 第54页 |
| ·硬件冗余变量的数据校正 | 第54-58页 |
| ·数据校正步骤 | 第54-55页 |
| ·仿真研究 | 第55-58页 |
| ·非硬件冗余变量的数据校正 | 第58-61页 |
| ·数据校正步骤 | 第58页 |
| ·仿真研究 | 第58-61页 |
| 第六章 结论与展望 | 第61-63页 |
| ·全文总结 | 第61页 |
| ·热工过程数据校正研究展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 在学期间发表的学术论文和参加科研情况 | 第70页 |