| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 单一模型建模研究现状 | 第11-13页 |
| 1.2.2 多模型集成建模的研究现状 | 第13-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 第2章 电站锅炉NO_x排放的单一LS-SVM模型建立 | 第15-30页 |
| 2.1 锅炉描述及数据介绍 | 第15-18页 |
| 2.1.1 NO_x排放影响因素 | 第16页 |
| 2.1.2 试验数据介绍 | 第16-18页 |
| 2.2 支持向量机方法 | 第18-23页 |
| 2.2.1 统计学习理论 | 第18-19页 |
| 2.2.2 支持向量机的基本原理 | 第19-22页 |
| 2.2.3 最小二乘支持向量机原理 | 第22-23页 |
| 2.3 遗传算法基本原理 | 第23-25页 |
| 2.4 NO_x排放的单一LS-SVM建模 | 第25-29页 |
| 2.4.1 基于GA寻优的NO_x排放LS-SVM模型 | 第25-26页 |
| 2.4.2 仿真研究 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 改进的集成建模方法 | 第30-39页 |
| 3.1 集成学习构建方法 | 第30-31页 |
| 3.2 有监督的GA-SFCM模糊聚类算法 | 第31-37页 |
| 3.2.1 FCM算法 | 第31-35页 |
| 3.2.2 SFCM算法 | 第35页 |
| 3.2.3 改进的GA-SFCM聚类算法 | 第35-37页 |
| 3.3 回归模型的聚类变量选择方法 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 多LS-SVM集成建模方法在NO_x排放中的应用 | 第39-44页 |
| 4.1 初始空间划分 | 第39页 |
| 4.2 聚类变量筛选 | 第39-40页 |
| 4.3 建立NO_x排放的多LS-SVM集成模型 | 第40-41页 |
| 4.4 仿真研究 | 第41-43页 |
| 4.4.1 不同聚类方法的模型性能对比 | 第41-42页 |
| 4.4.2 不同集成方法的模型性能对比 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 全文总结 | 第44页 |
| 5.2 工作展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 攻读硕士期间发表的论文及其它成果 | 第50-51页 |
| 致谢 | 第51页 |
