居民生活垃圾可燃成分的热值与RDF热值关联模拟预测研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.1.1 课题的研究背景 | 第10-11页 |
| 1.1.2 课题的研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国内研究现状 | 第12-14页 |
| 1.2.2 国外研究现状 | 第14-15页 |
| 1.3 研究内容及目标 | 第15-16页 |
| 1.4 技术路线 | 第16-17页 |
| 第2章 神经网络模拟预测原理 | 第17-26页 |
| 2.1 神经网络的概念 | 第17-18页 |
| 2.2 神经网络的结构 | 第18页 |
| 2.3 神经网络的学习方式及规则 | 第18-20页 |
| 2.3.1 神经网络的学习方式 | 第18-19页 |
| 2.3.2 神经网络的学习规则 | 第19-20页 |
| 2.4 BP神经网络模型 | 第20-22页 |
| 2.4.1 BP神经网络模型结构 | 第20页 |
| 2.4.2 BP神经网络学习算法 | 第20-22页 |
| 2.5 RBF神经网络模型 | 第22-24页 |
| 2.5.1 RBF神经网络模型结构 | 第22-23页 |
| 2.5.2 RBF神经网络学习算法 | 第23-24页 |
| 2.6 自适应神经模糊推理系统(ANFIS) | 第24-26页 |
| 2.6.1 ANFIS模型结构 | 第24-25页 |
| 2.6.2 ANFIS模型的学习算法 | 第25-26页 |
| 第3章 试验方案及热值计算 | 第26-30页 |
| 3.1 试验采样及设备 | 第26页 |
| 3.2 试验内容及流程 | 第26-27页 |
| 3.3 经验公式法 | 第27-29页 |
| 3.4 实测法 | 第29-30页 |
| 第4章 TipDM软件预测平台及数据选取 | 第30-34页 |
| 4.1 TipDM平台简介 | 第30页 |
| 4.2 TipDM软件模型预测的流程 | 第30-31页 |
| 4.3 试验数据相关性分析 | 第31-34页 |
| 4.3.1 相关系数选取 | 第31-32页 |
| 4.3.2 相关性分析 | 第32-34页 |
| 第5章 基于BP神经网络模型的热值预测 | 第34-40页 |
| 5.1 基于经验公式热值的BP神经网络模型建立 | 第34-38页 |
| 5.1.1 网络拓补结构的确定 | 第34页 |
| 5.1.2 训练参数的设定 | 第34-35页 |
| 5.1.3 模型训练 | 第35-37页 |
| 5.1.4 模型拟合效果 | 第37-38页 |
| 5.2 基于经验公式热值的BP神经网络模型验证 | 第38-40页 |
| 第6章 基于RBF神经网络模型的热值预测 | 第40-45页 |
| 6.1 基于经验公式热值的RBF神经网络模型建立 | 第40-43页 |
| 6.1.1 网络拓补结构的确定 | 第40页 |
| 6.1.2 训练参数的设定 | 第40页 |
| 6.1.3 模型训练 | 第40-41页 |
| 6.1.4 模型拟合效果 | 第41-43页 |
| 6.2 基于经验公式热值的RBF神经网络模型验证 | 第43-45页 |
| 第7章 基于ANFIS模型的热值预测 | 第45-51页 |
| 7.1 基于经验公式热值的ANFIS模型建立 | 第45-49页 |
| 7.1.1 网络拓扑结构的确定 | 第45页 |
| 7.1.2 训练参数的设定 | 第45-46页 |
| 7.1.3 模型训练 | 第46-47页 |
| 7.1.4 模型的拟合效果 | 第47-49页 |
| 7.2 基于经验公式热值的ANFIS模型验证 | 第49-51页 |
| 第8章 可燃成分RDF处理可行性分析 | 第51-53页 |
| 8.1 可燃成分的热值预测 | 第51-52页 |
| 8.2 可燃成分RDF处理的可行性分析 | 第52-53页 |
| 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录 | 第60-63页 |
| 攻读硕士学位期间发表的论文 | 第63页 |
