基于支持向量机的生物质气化过程建模及优化研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-8页 |
| 第一章 引言 | 第8-16页 |
| ·选题背景及意义 | 第8-13页 |
| ·生物质能概述 | 第8-9页 |
| ·生物质能利用技术 | 第9-12页 |
| ·直接燃烧技术 | 第9-10页 |
| ·与煤等混燃技术 | 第10页 |
| ·热解技术 | 第10-11页 |
| ·气化技术 | 第11-12页 |
| ·研究现状及存在问题 | 第12-13页 |
| ·气化反应原理与工艺 | 第13-14页 |
| ·气化反应原理 | 第13页 |
| ·气化反应工艺分类 | 第13-14页 |
| ·本文研究的主要内容 | 第14-16页 |
| 第二章 生物质气化过程建模分析 | 第16-24页 |
| ·国内外研究现状 | 第16-18页 |
| ·动力学模型 | 第16-17页 |
| ·化学平衡模型 | 第17页 |
| ·人工神经网络模型 | 第17-18页 |
| ·混沌神经网络模型 | 第18页 |
| ·气化指标以及影响因素 | 第18-20页 |
| ·气化过程的评价指标 | 第18-20页 |
| ·影响气化过程的主要因素 | 第20页 |
| ·气化过程建模分析 | 第20-21页 |
| ·模型测试数据选取 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 支持向量机理论 | 第24-37页 |
| ·支持向量机 | 第24-28页 |
| ·支持向量机基本算法 | 第25-27页 |
| ·支持向量机的函数拟合 | 第27-28页 |
| ·最小二乘支持向量机 | 第28-30页 |
| ·模型选择 | 第30-36页 |
| ·核函数类型的选择 | 第30-32页 |
| ·确定核函数类型后的相关参数选择 | 第32-36页 |
| ·网格搜索法 | 第32-33页 |
| ·遗传算法 | 第33-34页 |
| ·粒子群算法 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 生物质气化过程建模及仿真 | 第37-45页 |
| ·生物质气化过程支持向量机模型确立 | 第37页 |
| ·基于遗传算法的LS-SVM 模型仿真 | 第37-41页 |
| ·模型仿真验证 | 第37-40页 |
| ·结果分析 | 第40-41页 |
| ·基于粒子群算法的LS-SVM 模型仿真 | 第41-43页 |
| ·两种模型优化分析 | 第43页 |
| ·本章小结 | 第43-45页 |
| 第五章 生物质气化过程优化及仿真 | 第45-54页 |
| ·确立优化方案 | 第45-46页 |
| ·气化过程优化算法 | 第46-48页 |
| ·多目标优化问题 | 第46-47页 |
| ·多目标粒子群优化算法 | 第47-48页 |
| ·生物质气化过程优化数学描述 | 第48页 |
| ·气化过程LS-SVM 预测模型 | 第48-49页 |
| ·生物质气化过程优化仿真 | 第49-53页 |
| ·气化过程LS-SVM 预测模型仿真验证 | 第49-50页 |
| ·气化过程MOPSO 优化仿真 | 第50-52页 |
| ·与加权法寻优比较 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 在学期间发表的学术论文和参加科研情况 | 第60页 |
