| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 选题背景及其意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-14页 |
| 1.2.1 数据挖掘技术的研究现状 | 第11-12页 |
| 1.2.2 软测量技术的研究现状 | 第12-13页 |
| 1.2.3 电站燃烧优化的研究现状 | 第13-14页 |
| 1.3 论文研究内容及其结构安排 | 第14-15页 |
| 第2章 支持向量机软测量算法 | 第15-30页 |
| 2.1 支持向量回归机算法简介 | 第15-23页 |
| 2.1.1 软测量技术简介 | 第15页 |
| 2.1.2 机器学习 | 第15-16页 |
| 2.1.3 支持向量回归机算法 | 第16-23页 |
| 2.2 惩罚系数C及核函数参数对结果的影响分析 | 第23-24页 |
| 2.3 支持向量机回归参数寻优算法 | 第24-28页 |
| 2.3.1 基于遗传算法参数寻优的支持向量机回归算法 | 第24-26页 |
| 2.3.2 基于粒子群参数寻优的支持向量机算法 | 第26-27页 |
| 2.3.3 基于网格搜索参数寻优的支持向量机算法 | 第27-28页 |
| 2.4 参数寻优算法性能试验 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于GA-SVM的烟气含氧量软测量 | 第30-39页 |
| 3.1 锅炉设备简介 | 第30页 |
| 3.2 辅助变量的选择 | 第30-35页 |
| 3.2.1 影响烟气含氧量的因素 | 第30-31页 |
| 3.2.2 现场数据的采集 | 第31-34页 |
| 3.2.3 数据预处理 | 第34-35页 |
| 3.2.4 辅助变量的选择 | 第35页 |
| 3.3 核函数的选择 | 第35-36页 |
| 3.4 软测量通用模型 | 第36页 |
| 3.5 结果分析 | 第36-38页 |
| 3.6 结论 | 第38-39页 |
| 第4章 最优氧量确定与配风优化 | 第39-57页 |
| 4.1 基于改进型k-means聚类分区的关联规则算法 | 第39-44页 |
| 4.1.1 关联规则算法 | 第39-40页 |
| 4.1.2 Apriori算法 | 第40-41页 |
| 4.1.3 改进的k-means聚类算法 | 第41-43页 |
| 4.1.4 基于改进型k-means聚类分区的Apriori算法 | 第43-44页 |
| 4.2 氧量及配风对燃煤机组的影响 | 第44-47页 |
| 4.2.1 氧量对锅炉效率的影响 | 第44-46页 |
| 4.2.2 氧量对NOx排放浓度的影响 | 第46页 |
| 4.2.3 配风方式对机组的影响 | 第46-47页 |
| 4.2.4 一次风率和二次风率对机组的影响 | 第47页 |
| 4.2.5 燃尽风对机组的影响 | 第47页 |
| 4.3 数据采集及预处理 | 第47-48页 |
| 4.4 评价函数的选择 | 第48-49页 |
| 4.5 挖掘变量的选择 | 第49-50页 |
| 4.6 寻优结果 | 第50-53页 |
| 4.7 结果对比分析 | 第53-56页 |
| 4.7.1 烟气含氧量优化前后对比分析 | 第53-54页 |
| 4.7.2 磨组合方式优化前后对比分析 | 第54页 |
| 4.7.3 配风方式优化前后对比分析 | 第54-56页 |
| 4.8 结论 | 第56-57页 |
| 第5章 结论与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文 | 第63-64页 |
| 致谢 | 第64页 |
