本文關(guān)鍵詞：基于GRNN神經(jīng)網(wǎng)絡(luò)的船舶柴油機(jī)排放預(yù)測的研究

  更多相關(guān)文章： 船舶柴油機(jī) 有害排放 GRNN神經(jīng)網(wǎng)絡(luò) 預(yù)測界面

【摘要】：隨著全球水路運(yùn)輸行業(yè)的不斷發(fā)展,大量的船舶被投入到運(yùn)營當(dāng)中,與此同時(shí),大量船舶的使用也帶來了一定的環(huán)境污染。為了有效地控制船舶有害排放對環(huán)境的污染,國際海事組織制定了相關(guān)的法律法規(guī)。因此,本研究旨在通過對船舶有害物質(zhì)排放量的準(zhǔn)確預(yù)測來為減少環(huán)境污染提供重要依據(jù)。本文打破了傳統(tǒng)的方法,將GRNN神經(jīng)網(wǎng)絡(luò)的思想引入到對船舶柴油機(jī)排放的預(yù)測的研究中,利用MATLAB軟件建立船舶柴油機(jī)排放廣義回歸神經(jīng)網(wǎng)絡(luò)的預(yù)測模型。GRNN神經(jīng)網(wǎng)絡(luò)預(yù)測的實(shí)現(xiàn)無須復(fù)雜的試驗(yàn)設(shè)備及條件并且與船舶柴油機(jī)的數(shù)學(xué)模型無關(guān),只需要少量的試驗(yàn)數(shù)據(jù)。這種方法可以降低試驗(yàn)費(fèi)用,是一種比較精確有效的方法。本文正是基于此優(yōu)點(diǎn)選擇了GRNN神經(jīng)網(wǎng)絡(luò)對船舶柴油機(jī)排放進(jìn)行預(yù)測。(1)本文闡述了有關(guān)限制船舶排放的法律法規(guī)、船舶柴油機(jī)排氣的組成、危害和生成機(jī)理以及有關(guān)神經(jīng)網(wǎng)絡(luò)的一些基礎(chǔ)知識,并著重介紹了GRNN神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)與理論知識。(2)介紹了有關(guān)排放測試試驗(yàn)的試驗(yàn)臺以及重要的測試儀器,并通過分析選擇出了經(jīng)濟(jì)性最好時(shí)的凸輪作用段,并在此作用段下進(jìn)行試驗(yàn)數(shù)據(jù)的測量。接著在MATLAB環(huán)境中利用試驗(yàn)所得的數(shù)據(jù)建立船舶柴油機(jī)GRNN神經(jīng)網(wǎng)絡(luò)排放預(yù)測模型,并且通過對預(yù)測仿真結(jié)果以及對網(wǎng)絡(luò)泛化能力的分析驗(yàn)證了預(yù)測模型的準(zhǔn)確性。(3)通過利用Java調(diào)用所建立的船舶柴油機(jī)GRNN神經(jīng)網(wǎng)絡(luò)排放預(yù)測模型,使之能夠在Java所建立船舶柴油機(jī)排放預(yù)測界面后臺運(yùn)行,使船舶柴油機(jī)排放預(yù)測界面能夠輸出并顯示正確的排放結(jié)果。
【關(guān)鍵詞】：船舶柴油機(jī) 有害排放 GRNN神經(jīng)網(wǎng)絡(luò) 預(yù)測界面
【學(xué)位授予單位】：集美大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U664.121;X736.3
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-16
• 1.1 選題背景8-11
• 1.1.1 船舶柴油機(jī)排氣成分9
• 1.1.2 船舶柴油機(jī)排氣污染物生成機(jī)理9-10
• 1.1.3 船舶柴油機(jī)排氣的危害10-11
• 1.2 排放法律法規(guī)的介紹11-13
• 1.2.1 《MARPOL73/78 公約》附則Ⅵ11-12
• 1.2.2 控制排放的地方性法規(guī)12-13
• 1.3 國內(nèi)外研究現(xiàn)狀13-14
• 1.4 本文研究的主要內(nèi)容與目的14-16
• 1.4.1 本文研究的目的14
• 1.4.2 本文研究的主要內(nèi)容14-16
• 第2章 理論基礎(chǔ)16-25
• 2.1 人工神經(jīng)網(wǎng)絡(luò)（ANN）的介紹16-19
• 2.1.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史16-17
• 2.1.2 人類神經(jīng)元模型17-18
• 2.1.3 人工神經(jīng)網(wǎng)絡(luò)模型18-19
• 2.2 廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）19-22
• 2.2.1 廣義回歸神經(jīng)網(wǎng)絡(luò)概述19
• 2.2.2 廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）的理論基礎(chǔ)19-20
• 2.2.3 廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）的結(jié)構(gòu)20-22
• 2.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱22-24
• 2.3.1 MATLAB語言的簡介22-23
• 2.3.2 神經(jīng)網(wǎng)絡(luò)工具箱23-24
• 2.4 本章小結(jié)24-25
• 第3章 柴油機(jī)試驗(yàn)平臺介紹及排放預(yù)測模型的建立25-35
• 3.1 試驗(yàn)平臺介紹25-29
• 3.1.1 試驗(yàn)柴油機(jī)25
• 3.1.2 性能測試平臺的試驗(yàn)設(shè)備25-26
• 3.1.3 試驗(yàn)臺架整體布置圖26-27
• 3.1.4 排氣分析儀27-29
• 3.2 試驗(yàn)中凸輪作用段的選擇29-31
• 3.3 廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）建模31-33
• 3.3.1 輸入、輸出層神經(jīng)元數(shù)的選擇31
• 3.3.2 數(shù)據(jù)的處理31-32
• 3.3.3 平滑參數(shù)的確定32-33
• 3.3.4 交叉驗(yàn)證33
• 3.4 本章小結(jié)33-35
• 第4章 預(yù)測仿真結(jié)果及分析35-52
• 4.1 仿真結(jié)果對比分析35-43
• 4.1.1 氮氧化物（NOx）對比分析35-37
• 4.1.2 一氧化碳（CO）對比分析37-39
• 4.1.3 碳?xì)浠衔?HC)對比分析39-41
• 4.1.4 二氧化碳（CO2）對比分析41-43
• 4.2 泛化能力分析43-44
• 4.3 排氣預(yù)測界面的開發(fā)實(shí)現(xiàn)44-51
• 4.3.1 Java的簡介44-45
• 4.3.2 HTML的簡介45-46
• 4.3.3 CSS的簡介46
• 4.3.4 JS的簡介46
• 4.3.5 Java程序調(diào)用MATLAB46-49
• 4.3.6 排放預(yù)測界面49-51
• 4.4 本章小結(jié)51-52
• 第5章 結(jié)論與展望52-54
• 5.1 結(jié)論52
• 5.2 展望52-54
• 致謝54-55
• 參考文獻(xiàn)55-57
• 附錄57-64
• 在學(xué)期間科研成果情況64

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳大中;吳麗華;;基于改進(jìn)的GRNN的固體氧化物燃料電池辨識模型研究[J];能源研究與信息;2013年04期

2 胡大偉;卞新民;李思米;許泉;;基于GRNN網(wǎng)絡(luò)模型的土壤重金屬空間分布的研究[J];土壤通報(bào);2007年02期

3 蔣必辭;潘保芝;莊華;張海濤;楊小明;陳剛;;改進(jìn)GRNN網(wǎng)絡(luò)預(yù)測致密砂巖氣層壓裂產(chǎn)能[J];世界地質(zhì);2014年02期

4 李朝將;凡銀生;李強(qiáng);;基于GRNN的電火花線切割加工工藝預(yù)測[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年S2期

5 丁磊;;油田測試工作中GRNN類神經(jīng)網(wǎng)絡(luò)應(yīng)用探討[J];中國石油和化工標(biāo)準(zhǔn)與質(zhì)量;2013年07期

6 張永勇;許國根;;基于GRNN模型的肼類化合物毒性參數(shù)構(gòu)效分析[J];化學(xué)推進(jìn)劑與高分子材料;2014年03期

7 張如意;王學(xué)雷;;基于GRNN的醬油種曲孢子數(shù)預(yù)測模型[J];中國調(diào)味品;2012年10期

8 ;ARTIFICIAL NEURAL NETWORKS-MODELING, PROGRAMMING AND APPLICATION IN MATERIAL HOT WORKING[J];Acta Metallurgica Sinica(English Letters);2000年02期

9 郭衛(wèi)東;倪開誠;孫旭東;張長江;陳文榮;;基于CWT和GRNN的可見-近紅外漫反射光譜檢測櫻桃糖度的研究[J];食品科學(xué);2009年12期

10 謝水英;黃芳;;基于GRNN神經(jīng)網(wǎng)絡(luò)的800H合金熱變形預(yù)測[J];熱加工工藝;2014年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 銀濤;俞集輝;;基于GRNN的電力系統(tǒng)短期負(fù)荷預(yù)測[A];第十屆全國電工數(shù)學(xué)學(xué)術(shù)年會論文集[C];2005年

2 Ziwen Leng;Junwei Gao;Yong Qin;Xin Liu;Jing Yin;;Short-term Forecasting Model of Traffic Flow Based on GRNN[A];第25屆中國控制與決策會議論文集[C];2013年

3 陳其紅;闞樹林;秦臻;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)的設(shè)備可靠性預(yù)測[A];2011年全國機(jī)械行業(yè)可靠性技術(shù)學(xué)術(shù)交流會暨第四屆可靠性工程分會第三次全體委員大會論文集[C];2011年

4 柴毅;凌睿;;基于參數(shù)優(yōu)化與GRNN逼近的非線性PID控制[A];第二十六屆中國控制會議論文集[C];2007年

5 徐中;張敬瑩;趙小波;;基于GRNN的粘彈材料阻尼性能的預(yù)測[A];第六屆中國功能材料及其應(yīng)用學(xué)術(shù)會議論文集（10）[C];2007年

6 王小輝;王琪潔;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的日長變化的高精度預(yù)報(bào)[A];中國天文學(xué)會2011年學(xué)術(shù)年會手冊[C];2011年

7 馬珊;龐永杰;張鐵棟;;基于GRNN的聲圖像特征研究[A];第十五屆中國海洋（岸）工程學(xué)術(shù)討論會論文集(上)[C];2011年

8 陳端;曹陽;梅一韜;仲云飛;吳邦彬;;GRNN神經(jīng)網(wǎng)絡(luò)在大壩滲流預(yù)測中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

9 李慧英;李曉奇;;旅游需求預(yù)測分析——對比GRNN與多元回歸分析方法的應(yīng)用[A];第四屆中國智能計(jì)算大會論文集[C];2010年

10 陳欣;肖建華;欒培賢;徐強(qiáng);王洪斌;;基于BP與GRNN神經(jīng)網(wǎng)絡(luò)的PRRS預(yù)測模型的研究[A];中國畜牧獸醫(yī)學(xué)會信息技術(shù)分會2012年學(xué)術(shù)研討會論文集[C];2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 趙煥;輕涂紙涂布量測定方法的實(shí)驗(yàn)研究[D];天津科技大學(xué);2013年

2 董江偉;風(fēng)速相似性形態(tài)研究及其在短期風(fēng)速預(yù)測中的應(yīng)用[D];南京信息工程大學(xué);2016年

3 陳曦;基于ARCH-因子分析-GRNN組合技術(shù)的中國跨國公司匯率風(fēng)險(xiǎn)預(yù)測模型構(gòu)建[D];北京外國語大學(xué);2016年

4 張宇;一種新型GRNN神經(jīng)網(wǎng)絡(luò)的制冷壓縮機(jī)銷售預(yù)測研究[D];上海交通大學(xué);2015年

5 羅安飛;貴州省社會發(fā)展水平評價(jià)研究[D];貴州民族大學(xué);2016年

6 李孟杰;基于GRNN神經(jīng)網(wǎng)絡(luò)的船舶柴油機(jī)排放預(yù)測的研究[D];集美大學(xué);2016年

7 金帥軍;基于GRNN神經(jīng)網(wǎng)絡(luò)的農(nóng)作物蟲害量預(yù)測系統(tǒng)設(shè)計(jì)[D];內(nèi)蒙古工業(yè)大學(xué);2013年

8 任茹香;基于GRNN的變權(quán)重組合預(yù)測模型在傳染病發(fā)病率預(yù)測中的應(yīng)用[D];浙江大學(xué);2011年

，

本文編號：935065