基于神经网络的煤质软测量技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题背景及研究的目的和意义 | 第9-10页 |
| ·国内外研究动态 | 第10-12页 |
| ·本文研究内容与组织结构 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第2章 电厂煤质分析 | 第14-24页 |
| ·煤质工业分析 | 第15-19页 |
| ·水分测定及意义 | 第15-17页 |
| ·灰分测定及意义 | 第17页 |
| ·挥发分测定及意义 | 第17-18页 |
| ·固定碳测定及意义 | 第18-19页 |
| ·煤质元素分析 | 第19-22页 |
| ·碳元素和氢元素测定及意义 | 第19-20页 |
| ·氧元素和氮元素测定及意义 | 第20-21页 |
| ·硫元素测定及意义 | 第21-22页 |
| ·煤质工业分析和元素分析的关系 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于神经网络的煤质软测量 | 第24-37页 |
| ·软测量技术 | 第24-25页 |
| ·软测量技术简介 | 第24页 |
| ·辅助变量的选取 | 第24-25页 |
| ·数据处理 | 第25页 |
| ·建立软测量模型 | 第25页 |
| ·基于神经网络的软测量 | 第25-33页 |
| ·人工神经网络简介 | 第25-26页 |
| ·神经网络的结构与分类 | 第26-27页 |
| ·神经元 | 第27-28页 |
| ·激活函数的选择 | 第28-30页 |
| ·隐层节点的选择 | 第30页 |
| ·学习算法 | 第30-33页 |
| ·遗传算法优化BP神经网络权值 | 第33-36页 |
| ·遗传算法 | 第33页 |
| ·遗传算法优化初始权值 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 煤质软测量模型的仿真实现 | 第37-47页 |
| ·引言 | 第37页 |
| ·神经网络工具箱 | 第37-39页 |
| ·数据归一化 | 第37-38页 |
| ·生成神经网络和权值初始化 | 第38页 |
| ·网络训练及调整参数 | 第38-39页 |
| ·仿真 | 第39页 |
| ·遗传算法优化BP神经网络 | 第39-41页 |
| ·遗传算法工具箱 | 第39-40页 |
| ·遗传算法优化BP网络权值 | 第40-41页 |
| ·GA-BP煤质模型仿真实例 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 结论与展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表的论文和参加的科研情况 | 第52-53页 |
| 致谢 | 第53页 |
