《熱工過程特殊參量的認知建模方法》是2012年8月東南大學出版社出版的圖書，作者是王培紅、 蘇志剛。
基本介紹
- 書名：熱工過程特殊參量的認知建模方法
- 作者：王培紅、蘇志剛
- 出版社：東南大學出版社
- 出版時間：2012年8月
- 頁數：285 頁
- 定價：59 元
- ISBN：9787564131456
- 副標題：證據理論的拓展與套用
內容簡介,編輯推薦,作者簡介,目錄,
內容簡介
《熱工過程特殊參量的認知建模方法:證據理論的拓展與套用》旨在通過證據理論的學習和研究，提出新的理論和方法，（主要）用於解決熱工過程特殊參量（無樣本參量）認知問題，為實現熱工對象的線上可控、線上最佳化以及提高熱工對象的生產能力並降低能耗奠定基礎。
編輯推薦
《熱工過程特殊參量的認知建模方法:證據理論的拓展與套用》可作為熱能工程、動力機械及工程、能源信息技術、人工智慧、套用數學與工程等專業研究人員的學術文獻，也可以作為研究生的教材或參考讀物，同時對相關專業的工程技術人員和管理人員也具有參考價值。
作者簡介
王培紅，教授，1959年9月出生，1982年7月畢業於南京工學院動力系獲工學學士，1986年3月畢業於南京工學院動力系獲工學碩士學位並留校任教，2002年11月獲工學博士學位。長期從事熱力系統性能分析與最佳化、熱力設備狀態檢測與診斷研究。現任東南大學能源與環境學院教授、博士生導師，兼任江蘇省能源研究會秘書長、《東南大學學報（自然科學版）》、《能源研究與利用》、《電力與能源》等學術刊物編輯委員會委擊霸員套微雄。
蘇志剛，博士，1979年6月出生， 2004年7月畢業棕員盼於中國礦業大學動力系獲工學學士； 2006年8月畢業於東南大學能源與環境學院獲工學碩士學位；2010年9月畢業於東南大學能源與環境學院獲工學博士學位。現今留校任教。主要研究方向為：人工智慧算法、模式識別、軟測量方法和證據理論研究及其求奔膠芝在熱工過程中的套用。
目錄
第1章 緒論
1.1 研究背景及問題描述
1.2 證據理論：基本概念及相關計算
1.2.1 證據表征
1.2.2 證據融合
1. 2.3 廣義貝葉斯定理
1.2.4 證據決策
1.2.5 模糊證據理論
1.2.6 證據理論的矩陣計算
1.3 證據理論發展現狀及存在的問題
1.3.1 證據（信度函式）的解釋
1.3.2 證據的構建
1.3.3 證據融合悖論和獨立性假設
1.3.4 證據融合計算複雜度的簡化
1.3.5 證據理論存在的問題和發展趨勢
1.4 主要研究內容及安排
1.5 主要貢獻
第2章 拓展權函式
2.1 證據正則分解
2.1.1 與權函式
2.1.2 並權函式
2.1.3 基於權函式的證據融合法則
2.2 權函式拓展研究
2.3 拓展權函式的套用
2.3.1 基於拓展權函式的信度函式間的轉換
2.3.2 基於拓展權函式的改進型融合法則
2.4 本章小節
第3章 證據融合獨立性假設及廣義範數融合法則
3.1 引言
3.2 廣義範數的定義及證明
3.3 基於廣義範數的證據融合法則研究
3.3.1 廣義T範數與法則
3.3.2 廣義U範數與法則
3.3.3 廣義T範數並法則和廣義U範數並法則
3.3.4 廣義範數融合法則的討論
3.3.5 廣義範數融合法則的簡化
3.3.6 廣義範數融合法則套用示例及分析
3.4 模糊證據融合法則研究
3.4.1 經典模糊證據融合法則分析
3.4.2 模糊證據的離散化策略研究
3.4.3 基於廣義T範數與法則及離散化策略的模糊證據融合
3.5本章小結
第4章 證據k—NN分類算法及其在模式識別中的套用
4.1 引言
4.2 經典證據k—NN分類器
4.3 經典滲炒立證據k—NN分類器存在的局限性分析
4.4 三種變體證據k—NN分類器
4.4.1 基於自適應度量空間及參數最佳化的證據k—NN分類器
4.4.2 基於廣義T範數與法則的證據k—NN分類器
4.4.3 魯棒自適應證據k—NN分類器
4.4.4 實驗分析
4.5 本章小結
第5章 證據鄰域粗糙集模型及其在屬性約簡中的套用
5.1 引跨蜜奔熱言
5.2 鄰域粗糙集模型及屬性約簡
5.3 基立企婆於鄰域證據決策誤差率的屬性約簡算法研究
5.4 證據鄰域粗糙集模型及屬性約簡算法研究
5.5 實驗分析
5.5.1 屬性約簡算法敏感性分析及分類精度驗證
5.5.2 證據鄰域決策系統的屬性約簡模擬分析
5.6本章小結
第6章 證據回歸多模型建模方法及其在過程預測中的套用
6.1 引言
6.2不精確和不確定性知識表征及簡化策略
6.3證據回歸多模型
6.3.1全局模型建模
6.3.2局部模型建模
6.3.3證據回歸多模型參數辨識策略
6.3.4證據回歸多模型校正策略
6.4證據回歸多模型套用舉例
6.4.1基於證據回歸多模型的過程預測分析
6.4.2感測器可靠性及測量精度時變過程的預測分析··
6.5證據回歸多模型討論
6.5.1樣本衝突性處理
6.5.2樣本不確定性反映
6.5.3證據回歸多模型與EVREG模型的比較
6.6本章小結
第7章 基於證據回歸多模型的鋼球磨煤機料位認知建模
7.1引言
7.2制粉系統鋼球磨煤機機理分析
7.2.1鋼球磨煤機數學模型及特性
7.2.2料位影響因素分析
7.3實驗
7.3.1專家知識庫構建
7.3.2鋼球磨煤機現場實驗及實驗結果
7.4無樣本參量證據樣本構建策略
7.5無樣本參量料位線上認知模型
7.5.1基於證據回歸多模型的料位認知
7.5.2認知結果分析與驗證
7.6本章小結
第8章 基於證據回歸多模型的汽輪機排汽焓認知建模
8.1引言
8.2汽輪機全工況特性重構模型
8.2.1基準工況的選擇原則
8.2.2汽輪機本體變工況特性
8.2.3凝汽器特性
8.2.4回熱加熱器特性
8.2.5給水泵及給水泵汽輪機特性
8.2.6汽輪機工況重構方法步驟
8.2.7基於汽輪機工況特性重構模型的全日負荷數據樣本
8.3排汽焓證據樣本構建
8.4無樣本參量排汽焓線上認知模型
8.5本章小節
第9章 證據回歸多模型簡化及其用於熱工過程有樣本參量的監測
9.1引言
9.2證據回歸多模型簡化研究及算例分析
9.2.1 簡化證據回歸模型
9.2.2 簡化證據回歸模型預測精度驗證分析
9.3 NO2排放回響特性建模
9.3.1 600 MW機組（12試驗樣本）的實例分析
9.3.2 300 MW機組（279試驗樣本）的實例分析
9.4本章小節
第10章 區間證據理論及其在決策中的套用
10.1引言
10.2區間證據理論及區間證據融合
10.2.1 區間證據的定義
10.2.2 區間證據的融合法則及其分析
10.3區間證據的最大置信區間
10.3.1數值模擬實驗及實驗結果：最大置信區間的存在性演示
10.3.2最大置信區間的存在性分析及理論證明
10.3.3不確定情況分析
10.3.4 最大置信區間的推廣性分析
10.4區間證據最大置信區間在決策中的套用
10.5本章小結
參考文獻
3.2 廣義範數的定義及證明
3.3 基於廣義範數的證據融合法則研究
3.3.1 廣義T範數與法則
3.3.2 廣義U範數與法則
3.3.3 廣義T範數並法則和廣義U範數並法則
3.3.4 廣義範數融合法則的討論
3.3.5 廣義範數融合法則的簡化
3.3.6 廣義範數融合法則套用示例及分析
3.4 模糊證據融合法則研究
3.4.1 經典模糊證據融合法則分析
3.4.2 模糊證據的離散化策略研究
3.4.3 基於廣義T範數與法則及離散化策略的模糊證據融合
3.5本章小結
第4章 證據k—NN分類算法及其在模式識別中的套用
4.1 引言
4.2 經典證據k—NN分類器
4.3 經典證據k—NN分類器存在的局限性分析
4.4 三種變體證據k—NN分類器
4.4.1 基於自適應度量空間及參數最佳化的證據k—NN分類器
4.4.2 基於廣義T範數與法則的證據k—NN分類器
4.4.3 魯棒自適應證據k—NN分類器
4.4.4 實驗分析
4.5 本章小結
第5章 證據鄰域粗糙集模型及其在屬性約簡中的套用
5.1 引言
5.2 鄰域粗糙集模型及屬性約簡
5.3 基於鄰域證據決策誤差率的屬性約簡算法研究
5.4 證據鄰域粗糙集模型及屬性約簡算法研究
5.5 實驗分析
5.5.1 屬性約簡算法敏感性分析及分類精度驗證
5.5.2 證據鄰域決策系統的屬性約簡模擬分析
5.6本章小結
第6章 證據回歸多模型建模方法及其在過程預測中的套用
6.1 引言
6.2不精確和不確定性知識表征及簡化策略
6.3證據回歸多模型
6.3.1全局模型建模
6.3.2局部模型建模
6.3.3證據回歸多模型參數辨識策略
6.3.4證據回歸多模型校正策略
6.4證據回歸多模型套用舉例
6.4.1基於證據回歸多模型的過程預測分析
6.4.2感測器可靠性及測量精度時變過程的預測分析··
6.5證據回歸多模型討論
6.5.1樣本衝突性處理
6.5.2樣本不確定性反映
6.5.3證據回歸多模型與EVREG模型的比較
6.6本章小結
第7章 基於證據回歸多模型的鋼球磨煤機料位認知建模
7.1引言
7.2制粉系統鋼球磨煤機機理分析
7.2.1鋼球磨煤機數學模型及特性
7.2.2料位影響因素分析
7.3實驗
7.3.1專家知識庫構建
7.3.2鋼球磨煤機現場實驗及實驗結果
7.4無樣本參量證據樣本構建策略
7.5無樣本參量料位線上認知模型
7.5.1基於證據回歸多模型的料位認知
7.5.2認知結果分析與驗證
7.6本章小結
第8章 基於證據回歸多模型的汽輪機排汽焓認知建模
8.1引言
8.2汽輪機全工況特性重構模型
8.2.1基準工況的選擇原則
8.2.2汽輪機本體變工況特性
8.2.3凝汽器特性
8.2.4回熱加熱器特性
8.2.5給水泵及給水泵汽輪機特性
8.2.6汽輪機工況重構方法步驟
8.2.7基於汽輪機工況特性重構模型的全日負荷數據樣本
8.3排汽焓證據樣本構建
8.4無樣本參量排汽焓線上認知模型
8.5本章小節
第9章 證據回歸多模型簡化及其用於熱工過程有樣本參量的監測
9.1引言
9.2證據回歸多模型簡化研究及算例分析
9.2.1 簡化證據回歸模型
9.2.2 簡化證據回歸模型預測精度驗證分析
9.3 NO2排放回響特性建模
9.3.1 600 MW機組（12試驗樣本）的實例分析
9.3.2 300 MW機組（279試驗樣本）的實例分析
9.4本章小節
第10章 區間證據理論及其在決策中的套用
10.1引言
10.2區間證據理論及區間證據融合
10.2.1 區間證據的定義
10.2.2 區間證據的融合法則及其分析
10.3區間證據的最大置信區間
10.3.1數值模擬實驗及實驗結果：最大置信區間的存在性演示
10.3.2最大置信區間的存在性分析及理論證明
10.3.3不確定情況分析
10.3.4 最大置信區間的推廣性分析
10.4區間證據最大置信區間在決策中的套用
10.5本章小結
參考文獻
