| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·论文研究背景和意义 | 第10-11页 |
| ·冷凝器的工作原理和结构 | 第11-12页 |
| ·国内外污垢预测的研究现状 | 第12-14页 |
| ·国外污垢预测研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·预测方法研究现状 | 第14-17页 |
| ·论文主要内容介绍 | 第17-19页 |
| 第二章 污垢的形成机理及周期性结垢过程分析 | 第19-23页 |
| ·污垢形成机理 | 第19-20页 |
| ·周期性结垢过程分析 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 冷凝器污垢的测量方法与常规预测模型 | 第23-30页 |
| ·冷凝器污垢的测量方法 | 第23-26页 |
| ·热阻法 | 第23-24页 |
| ·传热系数法 | 第24-25页 |
| ·温差法 | 第25-26页 |
| ·冷凝器污垢的常规预测模型 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于Ｋ均值算法及切比雪夫神经网络的污垢预测 | 第30-41页 |
| ·K-means 算法 | 第30-31页 |
| ·Chebyshev 神经网络的结构和算法 | 第31-34页 |
| ·对含外界大扰动网络结构自适应算法的改进 | 第34-35页 |
| ·对软垢数据的分阶段识别 | 第35-36页 |
| ·预测模型框图 | 第36-37页 |
| ·仿真结果 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 基于灰色神经网络的污垢预测 | 第41-50页 |
| ·灰色预测模型与人工神经网络预测模型 | 第41-42页 |
| ·灰色预测模型 | 第41页 |
| ·人工神经网络预测模型 | 第41-42页 |
| ·灰色神经网络预测模型 | 第42-43页 |
| ·GM(1，1)预测模型与 BP 神经网络预测模型 | 第43-48页 |
| ·GM(1,1)预测模型 | 第43-46页 |
| ·灰色预测的基本概念及其分类 | 第43-45页 |
| ·建立 GM(1，1)模型 | 第45-46页 |
| ·BP 神经网络预测模型 | 第46-48页 |
| ·人工神经网络的基本概念及其分类 | 第46页 |
| ·建立 BP 神经网络模型 | 第46-48页 |
| ·仿真结果 | 第48-49页 |
| ·结论 | 第49-50页 |
| 总结与展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 附录（攻读硕士学位期间发表论文和参加的科研项目） | 第58页 |