| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-25页 |
| ·循环流化床烟气脱硫简介 | 第11-15页 |
| ·我国二氧化硫污染现状 | 第11-12页 |
| ·烟气脱硫技术研究现状 | 第12-13页 |
| ·循环流化床烟气脱硫技术研究现状 | 第13-15页 |
| ·混合建模的研究进展 | 第15-17页 |
| ·人工神经网络的优化的研究进展 | 第17-23页 |
| ·人工神经网络简介 | 第17-18页 |
| ·进化计算简介 | 第18-21页 |
| ·进化计算在神经网络中应用的进展 | 第21-22页 |
| ·人工神经网络在循环流化床烟气脱硫过程建模中的应用 | 第22-23页 |
| ·课题背景与本文主要工作 | 第23-24页 |
| ·课题背景 | 第23页 |
| ·本文主要工作 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第2章 CFB-FGD机理模型的研究 | 第25-41页 |
| ·循环流化床脱硫机理 | 第25-27页 |
| ·增湿反应机理 | 第25页 |
| ·双膜传质理论 | 第25-27页 |
| ·干燥阶段模型 | 第27-35页 |
| ·模型的基本假设 | 第27-29页 |
| ·脱硫模型 | 第29-30页 |
| ·参数确定及求解 | 第30-35页 |
| ·模型计算与检验 | 第35-40页 |
| ·模型的计算 | 第35-36页 |
| ·模型计算的结果与校核 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 自适应粒子群优化算法研究 | 第41-57页 |
| ·基本粒子群优化算法 | 第41-45页 |
| ·算法的原理 | 第41-43页 |
| ·算法的流程 | 第43页 |
| ·算法的特点 | 第43-45页 |
| ·自适应粒子群(APSO)优化算法 | 第45-47页 |
| ·自适应粒子群优化算法的参数分析 | 第47-49页 |
| ·自适应粒子群优化算法收敛性分析 | 第49-54页 |
| ·仿真研究结果 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第4章 基于粒子群算法的神经网络优化 | 第57-69页 |
| ·人工神经网络 | 第57-62页 |
| ·人工神经网络的基本概念 | 第57-59页 |
| ·人工神经网络的网络结构 | 第59-60页 |
| ·人工神经网络的学习算法 | 第60-62页 |
| ·人工神经网络的泛化能力 | 第62页 |
| ·基于粒子群算法优化神经网络的实现 | 第62-66页 |
| ·粒子群算法优化神经网络的算法设计 | 第63-65页 |
| ·算法的性能评价指标及分析 | 第65-66页 |
| ·仿真研究结果 | 第66-67页 |
| ·本章小结 | 第67-69页 |
| 第5章 CFB-FGD的神经网络混合模型 | 第69-79页 |
| ·混合建模 | 第69-72页 |
| ·机理—神经网络混合建模简介 | 第69-71页 |
| ·CFB-FGD的机理—神经网络混合模型 | 第71-72页 |
| ·基于粒子群优化神经网络的CFB-FGD混合模型 | 第72-76页 |
| ·CFB-FGD混合模型的建立 | 第73-74页 |
| ·CFB-FGD混合模型的实验数据 | 第74页 |
| ·CFB-FGD混合模型的结构的确定 | 第74-76页 |
| ·CFB-FGD混合模型的训练样本的归一化预处理 | 第76页 |
| ·仿真实验结果 | 第76-78页 |
| ·本章小结 | 第78-79页 |
| 第6章 结论与展望 | 第79-81页 |
| ·结论 | 第79-80页 |
| ·前景展望 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87页 |