| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·选题背景和研究意义 | 第9页 |
| ·烟气脱硫技术发展 | 第9-11页 |
| ·混合智能算法脱硫模型研究现状 | 第11-12页 |
| ·本文研究内容与创新点 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 相关智能算法理论基础 | 第14-25页 |
| ·神经网络基础知识 | 第14-20页 |
| ·神经网络的发展与应用 | 第14页 |
| ·神经网络原理 | 第14-16页 |
| ·BP 神经网络 | 第16-20页 |
| ·遗传算法基础知识 | 第20-24页 |
| ·遗传算法的发展与应用 | 第20页 |
| ·遗传算法原理 | 第20-22页 |
| ·编码操作 | 第22页 |
| ·适应度函数的选择 | 第22-23页 |
| ·交叉和变异操作 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于神经网络的 CFB-FGD 脱硫系统建模研究 | 第25-38页 |
| ·数据预处理 | 第25-29页 |
| ·数据清理 | 第25-27页 |
| ·数据归一化处理 | 第27-29页 |
| ·共轭梯度下降法 | 第29-32页 |
| ·动量梯度下降法 | 第32-33页 |
| ·带动量的 Fletcher-Reeves 共轭 BP 神经网络 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于遗传算法的 CFB-FGD 脱硫系统优化 | 第38-43页 |
| ·基于遗传算法的脱硫优化模型 | 第38-40页 |
| ·带惩罚因子的遗传算法脱硫优化模型 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 智能算法对脱硫系统的实验结果对比分析 | 第43-45页 |
| ·智能算法对脱硫系统的作用 | 第43页 |
| ·工作展望 | 第43-45页 |
| 结语 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48-49页 |
| 攻读硕士学位期间科研及发表论文情况 | 第49页 |
