面向热力系统大数据平台的复杂数据预处理技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-15页 |
| 第2章 大数据预处理与应用模式 | 第15-23页 |
| 2.1 热力系统大数据的特点与应用模式 | 第15-17页 |
| 2.1.1 热力系统大数据的特点 | 第15页 |
| 2.1.2 热力系统大数据的应用模式 | 第15-17页 |
| 2.2 预处理基本概念 | 第17-18页 |
| 2.3 多重共线性 | 第18-21页 |
| 2.3.1 多重共线性的特点与原因 | 第18-19页 |
| 2.3.2 诊断及处理方法 | 第19-21页 |
| 2.4 变量选择 | 第21-22页 |
| 2.5 建模验证 | 第22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 综合预处理与建模理论基础 | 第23-32页 |
| 3.1 引言 | 第23页 |
| 3.2 多重共线性综合预处理模型 | 第23-26页 |
| 3.2.1 第一层筛选模型 | 第23-25页 |
| 3.2.2 第二层筛选模型 | 第25-26页 |
| 3.2.3 多重共线性综合预处理模型 | 第26页 |
| 3.3 粗糙集变量选择 | 第26-28页 |
| 3.4 BP神经网络与遗传优化 | 第28-31页 |
| 3.4.1 BP神经网络 | 第28-30页 |
| 3.4.2 遗传算法优化 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 锅炉效率和NOx浓度在线监测和优化模型 | 第32-50页 |
| 4.1 引言 | 第32-33页 |
| 4.2 NOx的产生与控制 | 第33-35页 |
| 4.3 锅炉效率 | 第35-38页 |
| 4.3.1 各项热损失计算 | 第35-37页 |
| 4.3.2 煤质发热量的监测 | 第37-38页 |
| 4.4 锅炉效率和NOx浓度在线监测与优化 | 第38-49页 |
| 4.4.1 数据预处理 | 第38页 |
| 4.4.2 锅炉效率和NOx浓度在线监测模型 | 第38-45页 |
| 4.4.3 锅炉效率和NOx浓度优化 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 结论与展望 | 第50-52页 |
| 5.1 结论 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-59页 |
| 致谢 | 第59页 |
