| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 数据挖据的研究现状 | 第11-13页 |
| 1.2.2 汽轮机组优化的研究现状 | 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 软测量模型的建立和数据预处理 | 第15-29页 |
| 2.1 支持向量机算法 | 第15-20页 |
| 2.1.1 软测量技术简介 | 第15-16页 |
| 2.1.2 支持向量机算法简介 | 第16-20页 |
| 2.2 最小二乘支持向量机算法 | 第20-21页 |
| 2.3 粒子群寻优算法 | 第21-24页 |
| 2.3.1 粒子群寻优算法原理 | 第22-23页 |
| 2.3.2 基于粒子群寻优的支持向量机软测量算法步骤 | 第23-24页 |
| 2.4 数据预处理与标准化 | 第24-28页 |
| 2.4.1 数据预处理 | 第24-28页 |
| 2.4.2 数据标准化处理 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于PSO-LSSVM模型的热耗率预测 | 第29-43页 |
| 3.1 汽轮机概述 | 第29-30页 |
| 3.2 辅助变量的选择 | 第30-36页 |
| 3.2.1 影响汽轮机热耗率的相关变量 | 第31-34页 |
| 3.2.2 相关性分析 | 第34-36页 |
| 3.3 核函数的选取 | 第36-37页 |
| 3.4 热耗率软测量模型的训练及仿真效果 | 第37-39页 |
| 3.4.1 适应度值 | 第37页 |
| 3.4.2 仿真结果分析 | 第37-39页 |
| 3.5 误差分析 | 第39页 |
| 3.6 PSO-LSSVM模型性能分析 | 第39-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 最优运行初压曲线的确定 | 第43-54页 |
| 4.1 改进的关联规则算法 | 第43-44页 |
| 4.2 数据挖掘目标的确定 | 第44-45页 |
| 4.3 数据的选择与分析 | 第45-46页 |
| 4.4 基于K-means聚类分区 | 第46-47页 |
| 4.5 计算结果分析 | 第47-53页 |
| 4.5.1 寻优结果分析 | 第47-48页 |
| 4.5.2 各参数变量的优化结果分析 | 第48-51页 |
| 4.5.3 机组优化后经济性分析 | 第51-53页 |
| 4.6 结论 | 第53-54页 |
| 第5章 结论与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第59-60页 |
| 致谢 | 第60页 |