石油焦萃取脱硫及其煅烧烟气的神经网络预测研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-30页 |
| 1.1 石油焦概况 | 第12-18页 |
| 1.1.1 石油焦生产及资源概况 | 第12-16页 |
| 1.1.2 石油焦中硫的存在形态 | 第16页 |
| 1.1.3 石油焦中硫对电解铝的危害 | 第16-18页 |
| 1.2 石油焦脱硫技术研究现状 | 第18-25页 |
| 1.2.1 煅前脱硫 | 第18-22页 |
| 1.2.2 煅中脱硫 | 第22页 |
| 1.2.3 煅后脱硫 | 第22-25页 |
| 1.3 烟气脱硫影响因子 | 第25-27页 |
| 1.3.1 烟气参数的相关性研究 | 第25-26页 |
| 1.3.2 烟气中污染物质浓度预测 | 第26-27页 |
| 1.4 研究意义、研究内容 | 第27-30页 |
| 1.4.1 研究意义 | 第27页 |
| 1.4.2 研究内容 | 第27-28页 |
| 1.4.3 论文创新点 | 第28-30页 |
| 第二章 石油焦萃取脱硫实验研究 | 第30-58页 |
| 2.1 实验主要原料及设备 | 第30-31页 |
| 2.1.1 实验原料 | 第30页 |
| 2.1.2 实验试剂及设备 | 第30-31页 |
| 2.2 实验方案 | 第31-32页 |
| 2.3 实验分析方法 | 第32-34页 |
| 2.3.1 溶剂萃取脱硫 | 第32-33页 |
| 2.3.2 石油焦硫含量的测定 | 第33-34页 |
| 2.3.3 石油焦脱硫率计算 | 第34页 |
| 2.4 不同有机萃取剂对石油焦的脱硫效果 | 第34-35页 |
| 2.5 单一溶剂对石油焦脱硫实验 | 第35-43页 |
| 2.5.1 邻氯苯酚萃取脱硫实验 | 第36-40页 |
| 2.5.2 糠醛萃取脱硫实验 | 第40-43页 |
| 2.6 复合溶剂对石油焦脱硫实验 | 第43-48页 |
| 2.6.1 复合溶剂配比对石油焦脱硫率的影响 | 第44-45页 |
| 2.6.2 反应温度对石油焦脱硫率的影响 | 第45-46页 |
| 2.6.3 反应时间对石油焦脱硫率的影响 | 第46-47页 |
| 2.6.4 石油焦浓度对石油焦脱硫率的影响 | 第47-48页 |
| 2.7 微波辅助石油焦萃取脱硫实验 | 第48-55页 |
| 2.7.1 微波辅助邻氯苯酚萃取脱硫实验 | 第49-51页 |
| 2.7.2 微波辅助糠醛萃取脱硫实验 | 第51-53页 |
| 2.7.3 微波辅助复合溶剂萃取脱硫实验 | 第53-55页 |
| 2.8 本章小结 | 第55-58页 |
| 第三章 煅烧烟气参数与SO_2浓度相关性研究 | 第58-84页 |
| 3.1 数据来源 | 第58页 |
| 3.2 分析方法 | 第58-62页 |
| 3.2.1 置信区间分析 | 第59页 |
| 3.2.2 正态性检验 | 第59-61页 |
| 3.2.3 差异显著性分析 | 第61-62页 |
| 3.3 烟气样本分布属性 | 第62-67页 |
| 3.3.1 烟气样本变化趋势 | 第62-64页 |
| 3.3.2 烟气参数与SO_2置信区间分析 | 第64-67页 |
| 3.4 烟气参数与烟气SO_2浓度相关性分析 | 第67-83页 |
| 3.4.1 烟气含氧量与SO_2相关性 | 第67-70页 |
| 3.4.2 烟气温度与SO_2相关性 | 第70-73页 |
| 3.4.3 烟气压力与SO_2相关性 | 第73-75页 |
| 3.4.4 烟气流量与SO_2相关性 | 第75-78页 |
| 3.4.5 烟气NOx浓度与SO_2相关性 | 第78-80页 |
| 3.4.6 烟气粉尘浓度与SO_2相关性 | 第80-83页 |
| 3.5 本章小结 | 第83-84页 |
| 第四章 基于BP神经网络的煅烧烟气脱硫率预测 | 第84-100页 |
| 4.1 BP神经网络概述 | 第84-88页 |
| 4.1.1 BP神经网络基本特征 | 第84-85页 |
| 4.1.2 BP神经网络结构与训练模式 | 第85-87页 |
| 4.1.3 BP神经网络训练过程 | 第87-88页 |
| 4.1.4 BP神经网络变种 | 第88页 |
| 4.2 BP神经网络模型的建立 | 第88-91页 |
| 4.2.1 BP神经网络结构设计 | 第89页 |
| 4.2.2 BP网络基本模块设计 | 第89-91页 |
| 4.3 BP神经网络模型的应用 | 第91-97页 |
| 4.3.1 数据来源及预处理 | 第91-93页 |
| 4.3.2 BP模型参数调试 | 第93-96页 |
| 4.3.3 隐层组合BP模型 | 第96-97页 |
| 4.4 BP神经网络模型的验证 | 第97-99页 |
| 4.5 本章小结 | 第99-100页 |
| 第五章 结论与展望 | 第100-102页 |
| 5.1 结论 | 第100-101页 |
| 5.2 展望 | 第101-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-112页 |
| 附录 攻读硕士学位期间发表论文 | 第112页 |
