声明
摘要
第1章 绪论
1.1 课题背景与研究意义
1.2 国内外研究动态
1.2.1 火焰图像识别的研究进展
1.2.2.基于统计学习算法的NOx预测模型的研究现状
1.3 论文研究的主要内容及方法
1.4 论文的组织结构
第2章 燃烧装置与实验方法
2.1 生物质/燃气燃烧实验台的总体结构
2.1.1 配气系统
2.1.2 给料系统与生物质的制备
2.1.3 烟气分析仪
2.1.4 火焰自由基成像系统
2.2 燃烧试验的具体方法
2.3 火焰自由基图像数据的处理
2.4 本章小结
第3章 图像矩特征在NOx预测中的应用
3.1 图像矩特征的简介
3.1.1 图像矩的定义
3.1.2 矩理论的发展
3.2 Zemike矩特征在NOx预测上的应用
3.2.1 Zernike矩的介绍
3.2.2 Zernike矩用于火焰自由基图像的特征提取
3.2.3 最小二乘支持向量回归
3.2.4 基于Zernike矩的NOx预测算法
3.2.5 图像噪声对于算法3.4的影响
3.3 本章小结
第4章 基于图像的稀疏表示的NOx预测算法
4.1 稀疏表示的简述
4.2 基于轮廓波变换的NOx预测
4.2.1 基于轮廓波分解系数的NOx预测
4.2.2 基于轮廓波变换和Zernike矩的NOx预测
4.3 基于字典学习的NOx预测
4.4 本章小结
第5章 基于火焰自由基图像与非负矩阵分解的NOx预测算法
5.1 矩阵分解的简述
5.2 非负矩阵分解及其在图像分析领域的应用
5.3 非负矩阵分解算法在NOx排放预测建模中的应用
5.3.1 基于非负矩阵分解的NOx预测算法
5.3.2 NMF不确定性对于NOx预测的影响
5.4 本章小结
第6章 基于深度学习的NOx预测算法
6.1 深度学习的简述
6.2 基于深层自动编码网络的NOx预测
6.2.1 自动编码器
6.2.2 基于深度降噪自动编码网络的NOx预测算法的设计
6.2.3 算法6.1中的特征融合与微调策略对于NOx预测的影响
6.2.4 算法6.1的NOx排放预测结果
6.3 基于深层玻尔兹曼机的NOx预测
6.3.1 对于算法6.1的思考
6.3.2 受限玻尔兹曼机和深度玻尔兹曼机
6.3.3 DBM提取特征的随机性对于NOx预测的影响
6.3.4 集成学习
6.3.5 基于DBM和集成LSSVR模型的NOx预测算法的设计
6.3.6 算法6.3的NOx排放预测结果
6.4 不同NOx预测算法之间的比较分析
6.5 本章小结
7.1 结论
7.2 展望
参考文献
攻读博士学位期间发表的论文
攻读博士期间参加的科研工作
致谢
作者简介