| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 课题研究背景及意义 | 第10-14页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.1.2 课题研究的意义 | 第11-12页 |
| 1.1.3 双碱法脱硫塔SO_2排放量预测及优化的目的 | 第12-14页 |
| 1.2 烟气脱硫技术研究现状 | 第14-15页 |
| 1.3 烟气脱硫塔SO_2排放量检测方法的发展 | 第15-20页 |
| 1.3.1 SO_2排放量检测的一般方法 | 第15-16页 |
| 1.3.2 烟气脱硫塔SO_2排放量预测的研究现状 | 第16-17页 |
| 1.3.3 基于神经网络的SO_2排放量预测的研究现状 | 第17-19页 |
| 1.3.4 RBF神经网络对脱硫塔SO_2排放量预测及优化的过程 | 第19-20页 |
| 1.4 课题研究内容 | 第20-21页 |
| 1.5 本文组织结构 | 第21-24页 |
| 第二章 双碱法烟气脱硫系统的工艺参数分析 | 第24-34页 |
| 2.1 双碱法烟气脱硫基本流程 | 第24-25页 |
| 2.2 双碱法烟气脱硫反应机理 | 第25-26页 |
| 2.3 江苏三房巷集团 6 | 第26-29页 |
| 2.4 影响双碱法烟气脱硫塔SO_2排放量的主要工艺参数 | 第29-32页 |
| 2.4.1 流量对SO_2排放量的影响 | 第29页 |
| 2.4.2 温度对SO_2排放量的影响 | 第29-30页 |
| 2.4.3 浓度对SO_2排放量的影响 | 第30页 |
| 2.4.4 pH值对SO_2排放量的影响 | 第30-31页 |
| 2.4.5 液气比对SO_2排放量的影响 | 第31页 |
| 2.4.6 其他条件对SO_2排放量的影响 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于RBF神经网络的双碱法脱硫塔SO_2排放量预测方法研究 | 第34-54页 |
| 3.1 人工神经网络模型选择 | 第34-38页 |
| 3.1.1 变梯度BP神经网络 | 第34-35页 |
| 3.1.2 LM-BP神经网络 | 第35-36页 |
| 3.1.3 RBF神经网络 | 第36-38页 |
| 3.2 三种神经网络模型预测结果对比 | 第38-51页 |
| 3.3 基于RBF神经网络的双碱法脱硫塔SO_2排放量优化预测方法 | 第51页 |
| 3.4 本章小结 | 第51-54页 |
| 第四章 双碱法脱硫塔SO_2排放量的优化及预测系统设计 | 第54-64页 |
| 4.1 双碱法脱硫塔SO_2排放量的优化预测 | 第54-58页 |
| 4.1.1 优化预测结果与分析 | 第54-56页 |
| 4.1.2 预测结果验证 | 第56-58页 |
| 4.2 基于MATLAB/GUI的SO_2排放量预测系统开发 | 第58-62页 |
| 4.3 本章小结 | 第62-64页 |
| 第五章 结论与展望 | 第64-68页 |
| 5.1 全文总结 | 第64-65页 |
| 5.2 创新点 | 第65页 |
| 5.3 研究的不足 | 第65页 |
| 5.4 展望 | 第65-68页 |
| 参考文献 | 第68-74页 |
| 攻读学位期间的主要学术成果 | 第74-76页 |
| 致谢 | 第76页 |
