| 中文摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题研究的背景及意义 | 第13-14页 |
| 1.2 本文的研究思路与方法 | 第14-19页 |
| 1.2.1 研究思路 | 第14-15页 |
| 1.2.2 研究方法 | 第15-19页 |
| 1.3 本文的主要工作 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 Elman神经网络 | 第21-28页 |
| 2.1 Elman神经网络结构 | 第21-22页 |
| 2.2 Elman神经网络的原理及算法 | 第22-23页 |
| 2.3 改进Elman神经网络 | 第23-24页 |
| 2.3.1 遗传算法原理(GA) | 第23-24页 |
| 2.3.2 神经网络与遗传算法的结合 | 第24页 |
| 2.4 算法流程 | 第24-27页 |
| 2.4.1 算法流程图 | 第24-25页 |
| 2.4.2 算法实现步骤 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 小波及小波神经网络 | 第28-36页 |
| 3.1 小波及小波变换 | 第28-30页 |
| 3.1.1 小波函数 | 第28-29页 |
| 3.1.2 小波变换的分类 | 第29-30页 |
| 3.2 小波神经网络 | 第30-34页 |
| 3.2.1 小波变换与常规神经网络的融合 | 第30-31页 |
| 3.2.2 小波神经网络算法 | 第31-34页 |
| 3.3 改进小波神经网络(IWNN) | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 实验及结果分析 | 第36-49页 |
| 4.1 排放量预测原始数据的选取与分析 | 第36-37页 |
| 4.1.1 处理后的数据 | 第36-37页 |
| 4.1.2 评价函数定义 | 第37页 |
| 4.2 Elman神经网络预测 | 第37-39页 |
| 4.2.1 Elman神经网络的MATLAB函数 | 第37-38页 |
| 4.2.2 仿真结果 | 第38-39页 |
| 4.3 GAElman神经网络预测 | 第39-43页 |
| 4.3.1 GAElman神经网络实现 | 第39-40页 |
| 4.3.2 GAElman神经网络的MATLAB函数 | 第40-42页 |
| 4.3.3 仿真结果 | 第42-43页 |
| 4.4 实验结果分析 | 第43-44页 |
| 4.5 小波神经网络预测 | 第44-47页 |
| 4.5.1 小波神经网络的参数设置和MATLAB程序 | 第44-45页 |
| 4.5.2 实验结果对比分析 | 第45-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第五章 污染物排放量的控制方法 | 第49-65页 |
| 5.1 理想点法求解多目标问题的基本思想 | 第49-52页 |
| 5.1.1 最短距离理想点法 | 第49-51页 |
| 5.1.2 平方加权和理想点法 | 第51页 |
| 5.1.3 带权极大模理想点法 | 第51-52页 |
| 5.2 非线性规划法 | 第52-53页 |
| 5.2.1 非线性规划的数学模型 | 第52页 |
| 5.2.2 非线性规划函数 | 第52-53页 |
| 5.3 遗传非线性规划法 | 第53-54页 |
| 5.4 火电厂污染物排放的数学模型 | 第54-57页 |
| 5.4.1 模型的建立 | 第54-55页 |
| 5.4.2 模型效果对比 | 第55-56页 |
| 5.4.3 机组优化的数学模型 | 第56-57页 |
| 5.5 利用内点法化解边界条件 | 第57-59页 |
| 5.6 用遗传非线性规划法求解目标函数 | 第59-60页 |
| 5.7 两种方法的实验效果对比 | 第60-64页 |
| 5.7.1 参数设置与程序实现 | 第60-61页 |
| 5.7.2 实验结果分析 | 第61-64页 |
| 5.8 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 论文总结 | 第65-66页 |
| 6.2 课题展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 个人简况及联系方式 | 第74-76页 |