基于LLE的HMM回转窑喂煤预测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10页 |
| 1.2 回转窑结构及工作原理 | 第10-13页 |
| 1.3 回转窑研究现状 | 第13-14页 |
| 1.4 论文研究的意义 | 第14-15页 |
| 1.5 论文的主要内容和结构安排 | 第15-17页 |
| 第2章 时间序列数据处理 | 第17-26页 |
| 2.1 时间序列数据 | 第17-18页 |
| 2.2 线性变换方法 | 第18-22页 |
| 2.2.1 主成分分析 | 第18-19页 |
| 2.2.2 独立成分分析 | 第19-21页 |
| 2.2.3 线性判别分析 | 第21-22页 |
| 2.3 回转窑热工数据预处理 | 第22-24页 |
| 2.3.1 热工数据的特征选取 | 第22页 |
| 2.3.2 喂煤关键点的确定 | 第22-24页 |
| 2.4 窑前数据的特征提取 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 流形学习算法介绍 | 第26-36页 |
| 3.1 流形学习概述 | 第26-27页 |
| 3.2 流形学习算法 | 第27-32页 |
| 3.2.1 等距映射(IsoMap) | 第27-28页 |
| 3.2.2 局部线性嵌入(LLE) | 第28-30页 |
| 3.2.3 拉普拉斯特征映射(LE) | 第30-31页 |
| 3.2.4 局部切空间排列(LTSA) | 第31-32页 |
| 3.3 应用中存在的主要问题及改进 | 第32-34页 |
| 3.3.1 应用中存在的主要问题 | 第32-33页 |
| 3.3.2 LLE算法的改进 | 第33-34页 |
| 3.4 基于LLE的数据特征提取 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于LLE的隐Markov模型 | 第36-50页 |
| 4.1 隐Markov模型的基本理论 | 第36-38页 |
| 4.2 HMM的基本算法 | 第38-42页 |
| 4.2.1 评估问题与前向-后向算法 | 第38-39页 |
| 4.2.2 解码问题与Viterbi算法 | 第39-40页 |
| 4.2.3 训练问题与Baum-Welch算法 | 第40-42页 |
| 4.3 HMM的实际应用分析 | 第42-45页 |
| 4.3.1 HMM应用分析及改进 | 第42-44页 |
| 4.3.2 喂煤趋势的预测分析 | 第44-45页 |
| 4.4 喂煤趋势预测的LLE-HMM | 第45-49页 |
| 4.4.1 数据的特征提取 | 第45页 |
| 4.4.2 特征数据的量化 | 第45-46页 |
| 4.4.3 LLE-HMM的建立 | 第46-48页 |
| 4.4.4 基于DS证据理论决策 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于LLE-HMM的喂煤趋势预测 | 第50-55页 |
| 5.1 不同预测模型的选择 | 第50-51页 |
| 5.1.1 LLE-HMM的喂煤趋势预测 | 第50-51页 |
| 5.1.2 不同模型的对比选择 | 第51页 |
| 5.2 LLE-HMM实验仿真 | 第51-53页 |
| 5.3 仿真结果分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 总结和展望 | 第55-57页 |
| 1工作总结 | 第55页 |
| 2研究学习展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 附录A 攻读硕士学位期间所发表的学术论文目录 | 第62-63页 |
| 附录B 攻读硕士学位期间参研项目 | 第63-64页 |
| 致谢 | 第64页 |
