| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 数学建模的现状及发展 | 第10-11页 |
| 1.3 偏最小二乘法的研究及应用 | 第11页 |
| 1.4 神经网络法的研究及应用 | 第11-12页 |
| 1.5 论文的主要工作 | 第12-13页 |
| 第2章 偏最小二乘法预测模型 | 第13-20页 |
| 2.1 偏最小二乘法特点 | 第13页 |
| 2.2 偏最小二乘法建模方法 | 第13-18页 |
| 2.2.1 偏最小二乘法建模基本思想 | 第13-17页 |
| 2.2.2 最佳主成分数的确定 | 第17-18页 |
| 2.3 变量投影重要性指标分析 | 第18-19页 |
| 2.4 PLS 回归的特点及方法简化 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 神经网络方法预测模型 | 第20-29页 |
| 3.1 神经网络简介 | 第20-23页 |
| 3.1.1 人工神经网络的发展 | 第20-21页 |
| 3.1.2 人工神经网络的生物学基础 | 第21-22页 |
| 3.1.3 神经网络模型 | 第22-23页 |
| 3.2 BP 神经网络 | 第23-27页 |
| 3.2.1 BP 神经网络概述 | 第23-24页 |
| 3.2.2 BP 网络学习规则 | 第24-25页 |
| 3.2.3 BP 网络的改进算法 | 第25-26页 |
| 3.2.4 BP 网络的优点 | 第26-27页 |
| 3.3 神经网络结构图 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 锅炉运行各参数对飞灰含碳量的影响分析 | 第29-37页 |
| 4.1 锅炉负荷对飞灰含碳量的影响 | 第29-30页 |
| 4.2 总煤量对飞灰含碳量的影响 | 第30页 |
| 4.3 一次风总风压对飞灰含碳量的影响 | 第30-31页 |
| 4.4 二次风总风压对飞灰含碳量的影响 | 第31-32页 |
| 4.5 煤粉中水分变化对飞灰含碳量的影响 | 第32页 |
| 4.6 煤质中挥发分对飞灰含碳量的变化 | 第32-33页 |
| 4.7 燃尽风门挡板开度对飞灰含碳量的影响 | 第33-34页 |
| 4.8 过量空气系数对飞灰含碳量的影响 | 第34-35页 |
| 4.9 燃料风门挡板开度对飞灰含碳量的影响 | 第35页 |
| 4.10 炉膛与风箱差压对飞灰含碳量的影响 | 第35-36页 |
| 4.11 本章小结 | 第36-37页 |
| 第5章 基于偏最小二乘法与神经网络的飞灰含碳量预测模型 | 第37-51页 |
| 5.1 电站锅炉飞灰含碳量测量技术发展现状 | 第37-39页 |
| 5.1.1 飞灰含碳量的物理测量方法 | 第37-38页 |
| 5.1.2 飞灰含碳量的软测量方法 | 第38-39页 |
| 5.2 飞灰含碳量测量方法示意图 | 第39-40页 |
| 5.3 偏最小二乘法最佳主成分数的确定 | 第40-42页 |
| 5.4 基于 PLS 与神经网络的预测模型对飞灰含碳量的预测 | 第42-45页 |
| 5.5 预测模型与 PLS、神经网络法预测模型分别比较分析 | 第45-47页 |
| 5.6 检验预测模型的精确性 | 第47-50页 |
| 5.7 本章小结 | 第50-51页 |
| 第6章 结论与展望 | 第51-53页 |
| 6.1 全文总结 | 第51页 |
| 6.2 论文展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57页 |
