基于人工神经网络煤CO2催化气化的建模与预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-19页 |
| ·引言 | 第10-11页 |
| ·人工神经网络 | 第11-14页 |
| ·人工神经网络概论 | 第11页 |
| ·人工神经网络的特点 | 第11-12页 |
| ·人工神经元模型 | 第12-14页 |
| ·常见人工神经网络模型 | 第14页 |
| ·人工神经网络与人工智能 | 第14-15页 |
| ·人工神经网络在煤炭领域中的应用 | 第15-17页 |
| ·本文的主要研究内容 | 第17-19页 |
| 第二章 BP神经网络与遗传算法 | 第19-30页 |
| ·BP神经网络 | 第19-25页 |
| ·BP神经网络的结构 | 第19页 |
| ·BP神经网络处理单元模型 | 第19-20页 |
| ·BP神经网络的学习算法 | 第20-22页 |
| ·BP神经网络的优点 | 第22-23页 |
| ·BP神经网络的改进方法 | 第23-25页 |
| ·遗传算法 | 第25-30页 |
| ·遗传算法概论 | 第25-27页 |
| ·遗传算法的特点 | 第27页 |
| ·遗传算法与BP神经网络的结合 | 第27-30页 |
| 第三章 建模方法 | 第30-34页 |
| ·分析问题 | 第30页 |
| ·样本数据的选择与处理 | 第30-31页 |
| ·样本数据的选择 | 第30页 |
| ·数据归一化 | 第30-31页 |
| ·建立模型 | 第31-34页 |
| ·网络层数的选择 | 第31页 |
| ·输入层节点数的选择 | 第31-32页 |
| ·隐含层节点数的选择 | 第32页 |
| ·输出层神经元个数选择 | 第32页 |
| ·传递函数的选择 | 第32-33页 |
| ·训练方法的选择 | 第33页 |
| ·初始值的选择 | 第33-34页 |
| 第四章 实验部分 | 第34-39页 |
| ·煤样 | 第34页 |
| ·实验试剂与器材 | 第34-35页 |
| ·煤CO_2催化气化实验样品的制备 | 第35-37页 |
| ·煤样预处理 | 第35页 |
| ·催化剂的选择 | 第35-36页 |
| ·煤样担载催化剂的方法与步骤 | 第36-37页 |
| ·CO_2催化气化实验 | 第37页 |
| ·实验数据处理 | 第37-39页 |
| 第五章 实验预测模型与分析 | 第39-91页 |
| ·负载不同催化剂的煤催化气化预测模型 | 第39-48页 |
| ·多输出预测模型 | 第39-42页 |
| ·单输出预测模型 | 第42-45页 |
| ·模型分析 | 第45-48页 |
| ·不同煤种催化气化预测模型(A) | 第48-70页 |
| ·模型设计 | 第48页 |
| ·多输出预测模型 | 第48-61页 |
| ·GA-BP多输出预测模型 | 第61-66页 |
| ·单输出预测模型 | 第66-67页 |
| ·模型分析 | 第67-70页 |
| ·不同煤种催化气化预测模型(B) | 第70-80页 |
| ·模型设计 | 第70-71页 |
| ·多输出预测模型 | 第71-75页 |
| ·单输出预测模型 | 第75-77页 |
| ·模型分析 | 第77-80页 |
| ·不同负载方式煤催化气化预测模型 | 第80-87页 |
| ·模型设计 | 第80页 |
| ·多输出预测模型 | 第80-83页 |
| ·单输出预测模型 | 第83-84页 |
| ·模型分析 | 第84-87页 |
| ·本章小结 | 第87-91页 |
| 总结与展望 | 第91-93页 |
| 总结 | 第91-92页 |
| 特色与创新 | 第92页 |
| 展望 | 第92-93页 |
| 参考文献 | 第93-98页 |
| 攻读硕士学位期间取得的学术成果 | 第98-99页 |
| 致谢 | 第99页 |
