优化的BP神经网络在煤热转化中的应用研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 引言 | 第10-11页 |
| 1.2 人工神经网络 | 第11-15页 |
| 1.2.1 人工神经网络简述 | 第11页 |
| 1.2.2 生物神经元模型 | 第11-12页 |
| 1.2.3 人工神经元模型 | 第12-13页 |
| 1.2.4 人工神经网络学习方式 | 第13-14页 |
| 1.2.5 人工神经网络特点 | 第14页 |
| 1.2.6 典型的人工神经网络模型 | 第14-15页 |
| 1.3 常见的煤热转化方式 | 第15-16页 |
| 1.3.1 煤热解 | 第15页 |
| 1.3.2 煤气化 | 第15页 |
| 1.3.3 液化残渣气化 | 第15-16页 |
| 1.3.4 人工神经网络在煤炭领域的应用 | 第16页 |
| 1.4 本文研究内容 | 第16-18页 |
| 第二章 BP神经网络 | 第18-30页 |
| 2.1 BP神经网络 | 第18-22页 |
| 2.1.1 BP神经网络的结构 | 第18页 |
| 2.1.2 BP神经网络的学习机制 | 第18-20页 |
| 2.1.3 BP算法步骤流程 | 第20-21页 |
| 2.1.4 BP神经网络的不足 | 第21-22页 |
| 2.2 BP神经网络的改进 | 第22-24页 |
| 2.2.1 学习算法的改进 | 第22-23页 |
| 2.2.2 网络函数的改进 | 第23-24页 |
| 2.3 其它算法优化BP神经网络 | 第24-29页 |
| 2.3.1 遗传算法概述 | 第24-25页 |
| 2.3.2 粒子群算法概述 | 第25页 |
| 2.3.3 遗传算法与粒子群算法的比较 | 第25-26页 |
| 2.3.4 PSO-GA-BP算法的实现步骤 | 第26-28页 |
| 2.3.5 PSO-GA-BP算法的参数设定 | 第28-29页 |
| 2.4 BP神经网络模型的权重分析 | 第29-30页 |
| 第三章 建模方法 | 第30-33页 |
| 3.1 分析建模体系 | 第30页 |
| 3.2 分析样本数据 | 第30-31页 |
| 3.2.1 样本数据的选择 | 第30页 |
| 3.2.2 样本数据归一化 | 第30-31页 |
| 3.3 设计网络模型 | 第31-33页 |
| 3.3.1 输入、输出层节点数的选择 | 第31页 |
| 3.3.2 隐含层节点数的选择 | 第31-32页 |
| 3.3.3 初始值的选择 | 第32-33页 |
| 第四章 液化残渣催化气化反应预测模型 | 第33-55页 |
| 4.1 实验介绍 | 第33-34页 |
| 4.2 多输出预测模型 | 第34-43页 |
| 4.2.1 BP多输出预测模型 | 第34-36页 |
| 4.2.2 改进BP多输出预测模型 | 第36-39页 |
| 4.2.3 变激励函数BP多输出预测模型 | 第39-41页 |
| 4.2.4 模型对比 | 第41-43页 |
| 4.3 单输出预测模型与模型分析 | 第43-53页 |
| 4.3.1 BP单输出预测模型 | 第43-45页 |
| 4.3.2 模型分析 | 第45-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 煤热解反应预测模型 | 第55-71页 |
| 5.1 实验介绍 | 第55-56页 |
| 5.1.1 煤样 | 第55页 |
| 5.1.2 煤热解实验 | 第55-56页 |
| 5.2 氦气气氛下煤热解反应预测模型 | 第56-60页 |
| 5.2.1 模型设计 | 第56页 |
| 5.2.2 模型结构 | 第56页 |
| 5.2.3 模型的算法选择 | 第56-57页 |
| 5.2.4 PSO-GA-BP预测模型预测结果 | 第57-59页 |
| 5.2.5 模型分析 | 第59-60页 |
| 5.3 加氢气氛下煤热解反应预测模型 | 第60-65页 |
| 5.3.1 模型设计 | 第60-61页 |
| 5.3.2 模型结构 | 第61页 |
| 5.3.3 模型的算法选择 | 第61-62页 |
| 5.3.4 PSO-GA-BP预测模型预测结果 | 第62-64页 |
| 5.3.5 模型分析 | 第64-65页 |
| 5.4 不同气氛下煤热解反应预测模型 | 第65-69页 |
| 5.4.1 模型设计 | 第65-66页 |
| 5.4.2 模型结构 | 第66页 |
| 5.4.3 模型的算法选择 | 第66-67页 |
| 5.4.4 PSO-GA-BP预测模型预测结果 | 第67-68页 |
| 5.4.5 模型分析 | 第68-69页 |
| 5.5 本章小结 | 第69-71页 |
| 总结与展望 | 第71-74页 |
| 总结 | 第71-72页 |
| 特色与创新 | 第72-73页 |
| 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间取得的学术成果 | 第78-79页 |
| 致谢 | 第79页 |
