| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·软测量技术的研究现状 | 第10-12页 |
| ·飞灰含碳量的软测量技术研究现状 | 第12-13页 |
| ·本文内容安排 | 第13-14页 |
| 第2章 软测量理论基础 | 第14-21页 |
| ·引言 | 第14-16页 |
| ·数据预处理 | 第16-17页 |
| ·数据滤波 | 第16页 |
| ·数据变换 | 第16-17页 |
| ·软测量模型的实现 | 第17-19页 |
| ·辅助变量的选择 | 第17页 |
| ·变量之间的时序匹配 | 第17-18页 |
| ·建模方法的选择 | 第18页 |
| ·软测量模型的校正与维护 | 第18-19页 |
| ·软测量建模基本方法综述 | 第19-20页 |
| ·基于机理分析的建模 | 第19页 |
| ·基于人工神经网络的建模 | 第19-20页 |
| ·基于统计学习理论的建模 | 第20页 |
| ·混合建模 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 飞灰含碳量软测量模型的辅助变量选择 | 第21-34页 |
| ·飞灰含碳量的影响因素 | 第21-23页 |
| ·煤质的影响 | 第21-22页 |
| ·燃烧器摆角的影响 | 第22页 |
| ·锅炉负荷的影响 | 第22页 |
| ·过量空气系数影响 | 第22-23页 |
| ·建立辅助变量选择模型 | 第23-26页 |
| ·偏最小二乘回归（PLS） | 第23-24页 |
| ·偏最小二乘回归的建模 | 第24-25页 |
| ·交叉有效性(Cross-Validation) | 第25-26页 |
| ·数据采集及处理 | 第26-31页 |
| ·数据采集 | 第26-30页 |
| ·数据预处理 | 第30-31页 |
| ·基于偏最小二乘回归方法选择辅助变量 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于 SVM 的锅炉飞灰含碳量软测量方法研究 | 第34-47页 |
| ·支持向量机的研究现状 | 第34-35页 |
| ·统计学习理论简述 | 第35-37页 |
| ·核心内容 | 第35页 |
| ·VC 维（Vapnik-Chervonenkis dimension） | 第35-36页 |
| ·结构风险最小化原则(SRM) | 第36-37页 |
| ·支持向量机 | 第37-42页 |
| ·支持向量机的标准形式 | 第37-39页 |
| ·Mercer 核与支持向量机 | 第39-41页 |
| ·回归支持向量机 | 第41-42页 |
| ·基于 SVM 的锅炉飞灰含碳量软测量模型 | 第42-46页 |
| ·SVM 软测量模型的参数选取 | 第43-44页 |
| ·基于 SVM 的锅炉飞灰含碳量软测量建模研究 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 结论和展望 | 第47-49页 |
| ·结论 | 第47-48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第52-53页 |
| 致谢 | 第53页 |