乙烯能效分析及预测方法的研究与应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 选题背景与意义 | 第15-16页 |
| 1.2 国内外研究动态 | 第16-18页 |
| 1.2.1 能效分析研究现状 | 第16-17页 |
| 1.2.2 能效预测方法研究现状 | 第17-18页 |
| 1.3 主要研究内容 | 第18-19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第二章 能效分析方法研究与应用 | 第21-39页 |
| 2.1 指标分解分析(IDA)方法 | 第21-23页 |
| 2.1.1 指标分解分析方法中各指标介绍 | 第21页 |
| 2.1.2 各指标计算过程 | 第21-23页 |
| 2.2 节能潜力分析算法 | 第23-25页 |
| 2.3 IDA+节能潜力混合框架 | 第25-27页 |
| 2.4 乙烯实例应用 | 第27-28页 |
| 2.4.1 乙烯生产装置介绍 | 第27-28页 |
| 2.4.2 构建乙烯能效指标库 | 第28页 |
| 2.5 实例应用 | 第28-38页 |
| 2.5.1 基于IDA指标分析算法的能效分析 | 第29-34页 |
| 2.5.2 节能潜力分析 | 第34-37页 |
| 2.5.3 IDA+节能潜力混合框架分析结果 | 第37-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第三章 基于AP-ELM的能效预测方法 | 第39-55页 |
| 3.1 前馈型神经网络 | 第39-42页 |
| 3.1.1 人工神经网络基础 | 第39-40页 |
| 3.1.2 前馈型神经网络的结构 | 第40页 |
| 3.1.3 前馈型神经网络的学习方式 | 第40-42页 |
| 3.2 极限学习机 | 第42-44页 |
| 3.2.1 极限学习机的网络架构 | 第42页 |
| 3.2.2 极限学习机算法 | 第42-43页 |
| 3.2.3 ELM网络性能分析 | 第43-44页 |
| 3.3 AP聚类算法 | 第44-45页 |
| 3.3.1 AP聚类算法特点简介 | 第44页 |
| 3.3.2 AP聚类算法流程 | 第44-45页 |
| 3.4 AP-ELM模型介绍 | 第45-47页 |
| 3.5 AP-ELM的实验验证 | 第47-48页 |
| 3.5.1 Wine数据集验证 | 第47页 |
| 3.5.2 poker-hand数据集验证 | 第47-48页 |
| 3.6 AP-ELM在乙烯工业生产中的应用 | 第48-52页 |
| 3.6.1 复杂化工领域分析 | 第48-49页 |
| 3.6.2 乙烯工业生产实例应用 | 第49-52页 |
| 3.7 本章小结 | 第52-55页 |
| 第四章 系统设计与实现 | 第55-63页 |
| 4.1 系统设计 | 第55-56页 |
| 4.1.1 相关技术 | 第55页 |
| 4.1.2 系统整体架构 | 第55-56页 |
| 4.2 系统功能整体设计 | 第56-57页 |
| 4.3 系统模块设计与实现 | 第57-61页 |
| 4.3.1 数据综合展示模块 | 第58页 |
| 4.3.2 能效分析模块 | 第58-59页 |
| 4.3.3 能效预测模块 | 第59-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 研究成果及发表的学术论文 | 第73-75页 |
| 作者及导师简介 | 第75-76页 |
| 附件 | 第76-77页 |
