基于GRNN神经网络的船舶柴油机排放预测的研究

摘要

随着全球水路运输行业的不断发展，大量的船舶被投入到运营当中，与此同时，大量船舶的使用也带来了一定的环境污染。为了有效地控制船舶有害排放对环境的污染，国际海事组织制定了相关的法律法规。因此，本研究旨在通过对船舶有害物质排放量的准确预测来为减少环境污染提供重要依据。本文打破了传统的方法，将GRNN神经网络的思想引入到对船舶柴油机排放的预测的研究中，利用MATLAB软件建立船舶柴油机排放广义回归神经网络的预测模型。GRNN神经网络预测的实现无须复杂的试验设备及条件并且与船舶柴油机的数学模型无关，只需要少量的试验数据。这种方法可以降低试验费用，是一种比较精确有效的方法。本文正是基于此优点选择了GRNN神经网络对船舶柴油机排放进行预测。
　　（1）本文阐述了有关限制船舶排放的法律法规、船舶柴油机排气的组成、危害和生成机理以及有关神经网络的一些基础知识，并着重介绍了GRNN神经网络的模型结构与理论知识。
　　（2）介绍了有关排放测试试验的试验台以及重要的测试仪器，并通过分析选择出了经济性最好时的凸轮作用段，并在此作用段下进行试验数据的测量。接着在MATLAB环境中利用试验所得的数据建立船舶柴油机GRNN神经网络排放预测模型，并且通过对预测仿真结果以及对网络泛化能力的分析验证了预测模型的准确性。
　　（3）通过利用Java调用所建立的船舶柴油机GRNN神经网络排放预测模型，使之能够在Java所建立船舶柴油机排放预测界面后台运行，使船舶柴油机排放预测界面能够输出并显示正确的排放结果。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 选题背景

1.2 排放法律法规的介绍

1.3 国内外研究现状

1.4 本文研究的主要内容与目的

第2章 理论基础

2.1 人工神经网络（ANN）的介绍

2.2 广义回归神经网络（GRNN）

2.3 MATLAB神经网络工具箱

2.4 本章小结

第3章 柴油机试验平台介绍及排放预测模型的建立

3.1 试验平台介绍

3.2 试验中凸轮作用段的选择

3.3 广义回归神经网络（GRNN）建模

3.4 本章小结

第4章 预测仿真结果及分析

4.1 仿真结果对比分析

4.2 泛化能力分析

4.3 排气预测界面的开发实现

4.4 本章小结

第5章 结论与展望

5.1 结论

5.2 展望

致谢

参考文献

附录

在学期间科研成果情况