【推荐语】
【目录】
1 绪论 pan>
n1.1 数学模型的建立过程 pan>
n1.2 数学模型的特点 2
n1.3 数学模型的分类 4
n参考文献 5
n2 常微分方程模型 6
n2.1 天然气消费量增长预测 7
n2.1.1 普通微分模型 8
n2.1.2 Logistic模型 1pan>
n2.1.3 结论 15
n2.2 煤气中毒与急救 16
n2.2.1 煤气中毒机理分析 17
n2.2.2 煤气中毒模型 18
n2.2.3 结论 25
n2.3 燃气热水器热水零等待 25
n2.3.1 无保温材料和循环泵情形 26
n2.3.2 热水零等待优化设计 36
n2.3.3 结论 39
n2.4 地铁运行杂散电流 4pan>
n2.4.1 杂散电流分布数学模型 4pan>
n2.4.2 减小杂散电流干扰方法 44
n2.4.3 结论 48
n2.5 燃气热水器氮氧化物排放与分级燃烧优化 48
n2.5.1 传统燃气热水器氮氧化物排放量 49
n2.5.2 分级燃烧式燃气热水器氮氧化物排放量 55
n2.5.3 结论 59
n参考文献 60
n3 偏微分方程模型 64
n3.1 概述 65
n3.2 球坐标下煤改气空气净化模型 65
n3.2.1 煤改气之前稳态过程微分方程建立 67
n3.2.2 煤改气后动态过程微分方程建立 68
n3.2.3 煤改气完成时空气质量改善情况 7pan>
n3.3 柱坐标下煤改气空气净化模型 72
n3.3.1 柱坐标模型建立 72
n3.3.2 柱坐标模型求解 74
n3.4 结论 75
n参考文献 75
n4 积分方程模型 77
n4.1 概述 77
n4.2 双塔脱水模型 79
n4.2.1 硅胶塔脱水模型 79
n4.2.2 分子筛塔脱水模型 8pan>
n4.2.3 双塔串联脱水模型 82
n4.2.4 双塔脱水模型构建 85
n4.3 数据代入及检验 85
n4.4 结论 87
n参考文献 88
n5 数学规划模型 89
n5.1 概述 90
n5.2 供应瓶装液化石油气优化模型 90
n5.2.1 单个燃气公司向部分村民供气优化模型 9pan>
n5.2.2 向村民供应液化石油气的储配站选址优化模型 92
n5.3 向村庄供应管道天然气和液化天然气成本比较与选择 95
n5.4 结论 97
n参考文献 97
n6 曲线拟合模型 99
n6.1基于不同菜系的餐饮业用户用气量研究 99
n6.1.1 基于客流量为基准的不同菜系商业用户用气量比较 100
n6.1.2 结果与讨论 107
n6.1.3 结论 108
n6.2 燃气中央热水系统设计分析 109
n6.2.1 热水供应模式 109
n6.2.2 运行原理 110
n6.2.3 耗热量和热水量计算 11pan>
n6.2.4 项目方案设计 112
n6.2.5 结果与讨论 115
n6.2.6 结论 115
n参考文献 116
n7 统计模型 117
n7.1 气体火焰传播速度预测 117
n7.1.1 常见燃料气体层流火焰传播速度和物化质 118
n7.1.2 以燃料类型、烃类型、一次空气系数及导热系数为自变量的线回归模型 118
n7.1.3 以碳氢比、标况密度、一次空气系数及导热系数为自变量的线回归模型 1
n7.1.4 结论 123
n7.2 沼气生成问题 123
n7.2.1 模型假设与分析 124
n7.2.2 模型建立与分析 124
n7.2.3 结论 127
n参考文献 127
n8 概率模型 128
n8.1 概述 128
n8.2 课题分析 129
n8.3 模型建立和分析 130
n8.3.1 模型建立 130
n8.3.2 模型求解与分析 13pan>
n8.4 结论 134
n参考文献 134
n9 量纲分析模型 136
n9.1 概述 136
n9.2 量纲建模 137
n9.2.1 燃气压力能利用量纲模型 137
n9.2.2 温度变化量纲模型 139
n9.3 燃气爆炸能量估计 139
n9.4 结论 143
n参考文献 143
n10 预测专题 144
n10.1 概述 144
n10.1.1 我国天然气消费情况 144
n10.1.2 深圳市天然气市场发展现状 145
n10.1.3 城市天然气负荷预测意义 146
n10.1.4 预测原理和方法 148
n10.2 影响天然气日负荷量的客观因素 153
n10.2.1 假期影响 153
n10.2.2 气温影响 157
n10.2.3 工作日和双休日燃气负荷量变化 158
n10.3 基于GM(1,1)模型的天然气负荷量预测 159
n10.3.1 灰色理论 159
n10.3.2 GM(1,1)预测年天然气负荷量 160
n10.4 基于G(1,N)模型的天然气负荷量预测 164
n10.4.1 灰色关联度分析 164
n10.4.2 灰色关联分析理论模型 165
n10.4.3 基于灰色模型的天然气负荷量预测分析 166
n10.4.4 具体实施过程 168
n10.5 基于神经网络的天然气负荷量预测 18pan>
n10.5.1 BP神经网络的分析流程 18pan>
n10.5.2 BP神经网络模型建立及结果分析 184
n10.6 基于马尔科夫链的天然气负荷量预测 186
n10.6.1 马尔科夫理论 186
n10.6.2 马尔科夫矩阵计算 187
n10.6.3 聚类马尔可夫链修正拟合值 190
n10.6.4 模型比较 19pan>
n10.7 基于支持向量机的天然气日负荷量预测 192
n10.7.1 支持向量机（Support Vector Machine） 193
n10.7.2 支持向量回归机 198
n10.7.3 支持向量机核函数 0
n10.7.4 径向基函数超参数的优化 pan>
n10.7.5 燃气日负荷特点 2
n10.7.6 SVM预测模型建立 3
n10.7.7 输入向量 3
n10.7.8 数据预处理 4
n10.7.9 计算 4
n10.7.10 结果与讨论 5
n10.8 结论 9
n参考文献 210;
n1.1 数学模型的建立过程 pan>
n1.2 数学模型的特点 2
n1.3 数学模型的分类 4
n参考文献 5
n2 常微分方程模型 6
n2.1 天然气消费量增长预测 7
n2.1.1 普通微分模型 8
n2.1.2 Logistic模型 1pan>
n2.1.3 结论 15
n2.2 煤气中毒与急救 16
n2.2.1 煤气中毒机理分析 17
n2.2.2 煤气中毒模型 18
n2.2.3 结论 25
n2.3 燃气热水器热水零等待 25
n2.3.1 无保温材料和循环泵情形 26
n2.3.2 热水零等待优化设计 36
n2.3.3 结论 39
n2.4 地铁运行杂散电流 4pan>
n2.4.1 杂散电流分布数学模型 4pan>
n2.4.2 减小杂散电流干扰方法 44
n2.4.3 结论 48
n2.5 燃气热水器氮氧化物排放与分级燃烧优化 48
n2.5.1 传统燃气热水器氮氧化物排放量 49
n2.5.2 分级燃烧式燃气热水器氮氧化物排放量 55
n2.5.3 结论 59
n参考文献 60
n3 偏微分方程模型 64
n3.1 概述 65
n3.2 球坐标下煤改气空气净化模型 65
n3.2.1 煤改气之前稳态过程微分方程建立 67
n3.2.2 煤改气后动态过程微分方程建立 68
n3.2.3 煤改气完成时空气质量改善情况 7pan>
n3.3 柱坐标下煤改气空气净化模型 72
n3.3.1 柱坐标模型建立 72
n3.3.2 柱坐标模型求解 74
n3.4 结论 75
n参考文献 75
n4 积分方程模型 77
n4.1 概述 77
n4.2 双塔脱水模型 79
n4.2.1 硅胶塔脱水模型 79
n4.2.2 分子筛塔脱水模型 8pan>
n4.2.3 双塔串联脱水模型 82
n4.2.4 双塔脱水模型构建 85
n4.3 数据代入及检验 85
n4.4 结论 87
n参考文献 88
n5 数学规划模型 89
n5.1 概述 90
n5.2 供应瓶装液化石油气优化模型 90
n5.2.1 单个燃气公司向部分村民供气优化模型 9pan>
n5.2.2 向村民供应液化石油气的储配站选址优化模型 92
n5.3 向村庄供应管道天然气和液化天然气成本比较与选择 95
n5.4 结论 97
n参考文献 97
n6 曲线拟合模型 99
n6.1基于不同菜系的餐饮业用户用气量研究 99
n6.1.1 基于客流量为基准的不同菜系商业用户用气量比较 100
n6.1.2 结果与讨论 107
n6.1.3 结论 108
n6.2 燃气中央热水系统设计分析 109
n6.2.1 热水供应模式 109
n6.2.2 运行原理 110
n6.2.3 耗热量和热水量计算 11pan>
n6.2.4 项目方案设计 112
n6.2.5 结果与讨论 115
n6.2.6 结论 115
n参考文献 116
n7 统计模型 117
n7.1 气体火焰传播速度预测 117
n7.1.1 常见燃料气体层流火焰传播速度和物化质 118
n7.1.2 以燃料类型、烃类型、一次空气系数及导热系数为自变量的线回归模型 118
n7.1.3 以碳氢比、标况密度、一次空气系数及导热系数为自变量的线回归模型 1
n7.1.4 结论 123
n7.2 沼气生成问题 123
n7.2.1 模型假设与分析 124
n7.2.2 模型建立与分析 124
n7.2.3 结论 127
n参考文献 127
n8 概率模型 128
n8.1 概述 128
n8.2 课题分析 129
n8.3 模型建立和分析 130
n8.3.1 模型建立 130
n8.3.2 模型求解与分析 13pan>
n8.4 结论 134
n参考文献 134
n9 量纲分析模型 136
n9.1 概述 136
n9.2 量纲建模 137
n9.2.1 燃气压力能利用量纲模型 137
n9.2.2 温度变化量纲模型 139
n9.3 燃气爆炸能量估计 139
n9.4 结论 143
n参考文献 143
n10 预测专题 144
n10.1 概述 144
n10.1.1 我国天然气消费情况 144
n10.1.2 深圳市天然气市场发展现状 145
n10.1.3 城市天然气负荷预测意义 146
n10.1.4 预测原理和方法 148
n10.2 影响天然气日负荷量的客观因素 153
n10.2.1 假期影响 153
n10.2.2 气温影响 157
n10.2.3 工作日和双休日燃气负荷量变化 158
n10.3 基于GM(1,1)模型的天然气负荷量预测 159
n10.3.1 灰色理论 159
n10.3.2 GM(1,1)预测年天然气负荷量 160
n10.4 基于G(1,N)模型的天然气负荷量预测 164
n10.4.1 灰色关联度分析 164
n10.4.2 灰色关联分析理论模型 165
n10.4.3 基于灰色模型的天然气负荷量预测分析 166
n10.4.4 具体实施过程 168
n10.5 基于神经网络的天然气负荷量预测 18pan>
n10.5.1 BP神经网络的分析流程 18pan>
n10.5.2 BP神经网络模型建立及结果分析 184
n10.6 基于马尔科夫链的天然气负荷量预测 186
n10.6.1 马尔科夫理论 186
n10.6.2 马尔科夫矩阵计算 187
n10.6.3 聚类马尔可夫链修正拟合值 190
n10.6.4 模型比较 19pan>
n10.7 基于支持向量机的天然气日负荷量预测 192
n10.7.1 支持向量机（Support Vector Machine） 193
n10.7.2 支持向量回归机 198
n10.7.3 支持向量机核函数 0
n10.7.4 径向基函数超参数的优化 pan>
n10.7.5 燃气日负荷特点 2
n10.7.6 SVM预测模型建立 3
n10.7.7 输入向量 3
n10.7.8 数据预处理 4
n10.7.9 计算 4
n10.7.10 结果与讨论 5
n10.8 结论 9
n参考文献 210;
