基于支持向量机的烟气成分建模研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 第1章 绪论 | 第7-15页 |
| ·课题的研究背景和意义 | 第7-8页 |
| ·烟气成分建模研究现状 | 第8-12页 |
| ·SVM 的研究现状 | 第12-13页 |
| ·研究内容及组织结构 | 第13-15页 |
| 第2章 锅炉的燃烧过程及其产生的烟气成分分析 | 第15-24页 |
| ·锅炉的运行机理 | 第15-17页 |
| ·锅炉的燃烧特性及其影响 | 第17-19页 |
| ·煤的常规特性 | 第17-18页 |
| ·煤的燃烧特性及其影响 | 第18-19页 |
| ·煤燃烧过程中的物质平衡及燃烧产物 | 第19-21页 |
| ·燃烧过程的物质平衡 | 第19-20页 |
| ·燃烧产物 | 第20-21页 |
| ·烟气成分分析及控制方法 | 第21-23页 |
| ·二氧化硫的生成机理及控制方法 | 第21-22页 |
| ·氮氧化物的生成机理及控制方法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于 LS-SVM 的非线性系统建模研究 | 第24-34页 |
| ·LS-SVM 回归原理 | 第24-25页 |
| ·LS-SVM 分类原理 | 第25-26页 |
| ·稀疏最小二乘支持向量机算法 | 第26-28页 |
| ·稀疏LS-SVM 算法的思想 | 第26-27页 |
| ·算法的具体实现过程 | 第27-28页 |
| ·非线性系统建模 | 第28-33页 |
| ·算法有效性分析 | 第28-31页 |
| ·烟气成分建模分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 一种处理非均衡数据的 LS-SVM 方法 | 第34-42页 |
| ·非均衡数据问题的研究现状 | 第34-35页 |
| ·稀疏LS-SVM 算法 | 第35页 |
| ·增量学习的算法 | 第35-36页 |
| ·基于LS-SVM 增量学习的不均衡数据算法 | 第36-37页 |
| ·建模分析 | 第37-41页 |
| ·算法有效性验证 | 第37-38页 |
| ·烟气成分中的氮氧化物建模分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 基于 LS-SVM 的烟气成分建模研究 | 第42-50页 |
| ·基于数据的建模方法 | 第42-43页 |
| ·基于SVM 的烟气成分建模研究 | 第43-44页 |
| ·LS-SVM 的参数优化 | 第44-45页 |
| ·基于改进的LS-SVM 的烟气含氧量建模 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 结论 | 第50-52页 |
| ·研究工作总结 | 第50-51页 |
| ·工作展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间的研究成果 | 第56页 |
