| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 脱硫系统的检测现状 | 第10-12页 |
| 1.2.1 抽取式 | 第10-11页 |
| 1.2.2 直接测量式 | 第11-12页 |
| 1.3 软测量技术 | 第12-13页 |
| 1.3.1 软测量技术概述 | 第12页 |
| 1.3.2 软测量技术国内外研究现状 | 第12-13页 |
| 1.4 软测量技术的工程实现 | 第13-15页 |
| 1.4.1 辅助变量的选取 | 第13-14页 |
| 1.4.2 数据的预处理 | 第14-15页 |
| 1.4.3 软测量模型的建立 | 第15页 |
| 1.4.4 软测量模型的校正 | 第15页 |
| 1.5 设计方案 | 第15-17页 |
| 第2章 基于偏最小二乘法石灰石-石膏湿法脱硫效率预测 | 第17-32页 |
| 2.1 偏最小二乘法概述 | 第17页 |
| 2.2 偏最小二乘法建模方法 | 第17-22页 |
| 2.2.1 偏最小二乘法建模原理 | 第17-18页 |
| 2.2.2 PLS 的建模过程 | 第18-21页 |
| 2.2.3 主成分数的确定 | 第21-22页 |
| 2.3 偏最小二乘法的 MATLAB 程序的实现 | 第22-23页 |
| 2.4 偏最小二乘法石灰石-石膏湿法脱硫效率预测模型 | 第23-31页 |
| 2.4.1 影响湿法脱硫效率的主要影响因素 | 第23-25页 |
| 2.4.2 数据的预处理和选取 | 第25-26页 |
| 2.4.3 烟气脱硫效率模型的建立 | 第26-31页 |
| 2.5 本章总结 | 第31-32页 |
| 第3章 基于模糊神经网络在石灰石—石膏湿法脱硫效率预测 | 第32-41页 |
| 3.1 模糊神经网络概述 | 第32-33页 |
| 3.2 模糊神经网络 | 第33-36页 |
| 3.2.1 基于 T-S 模糊神经网络 | 第33-34页 |
| 3.2.2 基于 T-S 模糊神经网络的结构 | 第34-36页 |
| 3.3 模糊神经网络的学习算法 | 第36-37页 |
| 3.4 基于 T-S 模糊神经网络的脱硫效率预测 | 第37-38页 |
| 3.4.1 模型的建立 | 第37-38页 |
| 3.4.2 预测结果分析 | 第38页 |
| 3.5 FNN 模型结果与 PLS 模型结果对比 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于支持向量机石灰石—石膏湿法脱硫效率预测 | 第41-52页 |
| 4.1 统计学习理论概述 | 第41-43页 |
| 4.1.1 统计学习的理论 | 第41-43页 |
| 4.2 支持向量机 | 第43-46页 |
| 4.2.1 支持向量回归机算法简介 | 第43-45页 |
| 4.2.2 核函数 | 第45页 |
| 4.2.3 支持向量回归机参数选择 | 第45-46页 |
| 4.3 预测模型的建立及结果分析 | 第46-49页 |
| 4.4 SVM 模型与 PLS 模型结果对比 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 结论与展望 | 第52-54页 |
| 5.1 全文工作总结 | 第52-53页 |
| 5.2 下一步工作展望 | 第53-54页 |
| 攻读硕士学位期间发表论文 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |
