| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-12页 |
| 1.2 课题研究现状 | 第12-14页 |
| 1.2.1 火电厂运行优化系统研究现状 | 第12-13页 |
| 1.2.2 火电厂人工智能应用研究现状 | 第13-14页 |
| 1.3 课题研究内容 | 第14-16页 |
| 第2章 支持向量机理论基础 | 第16-26页 |
| 2.1 机器学习 | 第16-18页 |
| 2.1.1 机器学习问题模型 | 第16-17页 |
| 2.1.2 经验风险最小化原则 | 第17-18页 |
| 2.2 统计学习理论 | 第18-20页 |
| 2.2.1 VC维理论 | 第18-19页 |
| 2.2.2 推广误差边界 | 第19页 |
| 2.2.3 结构风险最小化 | 第19-20页 |
| 2.3 支持向量机回归问题 | 第20-24页 |
| 2.4 最小二乘支持向量机 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 火电机组煤耗预测的理论基础 | 第26-39页 |
| 3.1 煤耗分类及计算模型 | 第26-27页 |
| 3.1.1 供电煤耗率 | 第26-27页 |
| 3.1.2 发电煤耗率 | 第27页 |
| 3.2 机组发电煤耗率的影响因素 | 第27-38页 |
| 3.2.1 汽轮机效率 | 第29-32页 |
| 3.2.2 锅炉效率 | 第32-34页 |
| 3.2.3 主蒸汽压力 | 第34-35页 |
| 3.2.4 主蒸汽温度 | 第35页 |
| 3.2.5 再热蒸汽温度 | 第35页 |
| 3.2.6 再热蒸汽压损 | 第35-36页 |
| 3.2.7 真空度 | 第36页 |
| 3.2.8 排烟温度 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 基于最小二乘支持向量机回归的煤耗预测 | 第39-48页 |
| 4.1 基于LS-SVM的煤耗预测的建模方法 | 第39-42页 |
| 4.1.1 输入变量选择 | 第39-40页 |
| 4.1.2 核函数及模型参数选择 | 第40页 |
| 4.1.3 模型参数选择 | 第40-42页 |
| 4.2 煤耗预测步骤 | 第42-43页 |
| 4.3 基于LS-SVM的煤耗预测模型的仿真和分析 | 第43-47页 |
| 4.3.1 对象简介 | 第43页 |
| 4.3.2 结果及分析 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 基于精细化运行的火电厂运行指导系统建立 | 第48-54页 |
| 5.1 系统结构 | 第48-49页 |
| 5.1.1 可行性分析 | 第48页 |
| 5.1.2 开发工具简介 | 第48-49页 |
| 5.2 系统的基本模块与界面功能 | 第49-53页 |
| 5.2.1 系统基本模块 | 第49页 |
| 5.2.2 系统界面功能 | 第49-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第6章 结论及展望 | 第54-56页 |
| 6.1 结论 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第59-60页 |
| 致谢 | 第60页 |