摘要 | 第1-7页 |
Abstract | 第7-16页 |
第一章 绪论 | 第16-38页 |
·引言 | 第16-21页 |
·造纸工业能耗及能源管理现状 | 第21-25页 |
·能源管理系统的研究与应用现状 | 第25-28页 |
·数据挖掘与预测 | 第28-35页 |
·主要研究内容及解决的关键问题 | 第35-38页 |
·主要研究内容 | 第35-37页 |
·拟解决的关键问题 | 第37-38页 |
第二章 造纸企业能源使用状况分析 | 第38-67页 |
·引言 | 第38页 |
·造纸工业能源使用基本状况 | 第38-48页 |
·制浆系统能源使用特点 | 第41-43页 |
·造纸系统能源使用特点 | 第43-48页 |
·广州造纸厂对象分析 | 第48-66页 |
·广州造纸厂 3#脱墨生产线(DIP3)能源使用分析 | 第49-55页 |
·广州造纸厂 1#纸机生产线(PM1)能源使用分析 | 第55-66页 |
·小结 | 第66-67页 |
第三章 造纸企业能源管理系统关键技术的研究与开发 | 第67-110页 |
·引言 | 第67-68页 |
·能源管理系统需求分析 | 第68-72页 |
·MEOP 的体系结构 | 第72-74页 |
·关键技术 | 第74-90页 |
·数据集成技术 | 第74-84页 |
·能量分析技术 | 第84-89页 |
·能量优化技术 | 第89-90页 |
·功能的实现 | 第90-109页 |
·数据集成 | 第91-94页 |
·能量信息提取 | 第94-100页 |
·其他功能的实现 | 第100-109页 |
·小结 | 第109-110页 |
第四章 造纸过程能源影响因素的数据挖掘 | 第110-176页 |
·引言 | 第110-111页 |
·数据准备 | 第111-117页 |
·数据变量的确定 | 第111-115页 |
·生产过程数据的获取 | 第115-116页 |
·天气因素数据的获取 | 第116-117页 |
·数据预处理 | 第117-131页 |
·缺失值处理 | 第117页 |
·异常值处理 | 第117-119页 |
·噪声处理 | 第119页 |
·标准化处理 | 第119-120页 |
·广州造纸厂 PM1 过程数据预处理 | 第120-131页 |
·能源影响因素的数据挖掘 | 第131-174页 |
·方法介绍 | 第131-134页 |
·能源影响因素的偏相关性分析 | 第134-137页 |
·能源影响因素的主成分(PCA)分析 | 第137-140页 |
·能源影响因素的偏最小二乘(PLS)分析 | 第140-162页 |
·变量筛选与移动平均后的 PLS 分析 | 第162-174页 |
·小结 | 第174-176页 |
第五章 造纸过程的能耗预测 | 第176-211页 |
·引言 | 第176-178页 |
·基于偏最小二乘回归的能耗预测 | 第178-188页 |
·电耗的 PLS 回归预测 | 第178-184页 |
·汽耗的 PLS 回归预测 | 第184-188页 |
·能源消耗类型的进一步划分 | 第188-189页 |
·人工神经网络预测方法 | 第189-192页 |
·BP 神经网络 | 第190-191页 |
·RBF 神经网络 | 第191-192页 |
·能耗分类 1 的预测 | 第192-201页 |
·预测方法 | 第193-194页 |
·样本的选择 | 第194-195页 |
·基于 PLS 的主成分提取 | 第195-196页 |
·数据归一化 | 第196页 |
·人工神经网络模型的建立与训练 | 第196-197页 |
·结果分析 | 第197-201页 |
·能耗分类 3 的预测 | 第201-204页 |
·能耗分类 4 的预测 | 第204-206页 |
·能耗分类 2 的预测 | 第206-208页 |
·造纸过程能耗的预测 | 第208-210页 |
·小结 | 第210-211页 |
第六章 能耗预测的应用研究 | 第211-228页 |
·引言 | 第211页 |
·PM1 造纸过程能耗的预测 | 第211-225页 |
·PM1 造纸过程能耗数据概况 | 第211-213页 |
·PM1 造纸过程能耗的 PLS-ANN 预测 | 第213-216页 |
·基于 PLS 分析得到的主要能源影响因素的能耗预测 | 第216-225页 |
·能耗预测在 EMS 中实现的构想 | 第225-227页 |
·小结 | 第227-228页 |
结论 | 第228-232页 |
参考文献 | 第232-240页 |
攻读博士学位期间取得的研究成果 | 第240-241页 |
致谢 | 第241-242页 |
附件 | 第242页 |