《热工过程特殊参量的认知建模方法--证据理论的拓展与应用》编著者王培红。

全书共10章。第l章绪论，对热力设备(过程)特殊参量认知的背景及需求进行了描述，介绍了证据理论的概念、框架与认知建模的基本思想。第2章～第6章主要介绍证据理论的拓展研究成果，包括：拓展权函数(第2章)、证据融合独立性假设及广义范数融合法则(第3章)、证据K-NN分类算法及其在模式识别中的应用(第4章)、证据邻域粗糙集模型及其在属性约简中的应用(第5章)、证据回归多模型建模方法及其在过程预测中的应用(第6章)。第7章～第10章主要介绍证据理论拓展研究成果在热力设备(过程)特殊参量认知中的应用，其中，第7章介绍电站钢球磨煤机料位(无样本)特殊参量的认知建模、第8章介绍电站汽轮机排汽焓(数值模拟样本)特殊参量的认知建模、第9章介绍了电站锅炉NO，排放(有样本)特殊参量的认知建模。在第10章对区间证据理论中最大置信区间的存在性进行了初探，为无法获得数据情况下的无样本参量认知问题奠定了基础。

《热工过程特殊参量的认知建模方法--证据理论的拓展与应用》编著者王培红。

《热工过程特殊参量的认知建模方法--证据理论的拓展与应用》内容提要：热工过程是一个受传热、传质等诸多因素影响且具有非线性、强耦合的复杂物理过程。该过程中涉及大量的、未知的不精确、不确定性信息。本书旨在通过证据理论的学习和研究，提出新的理论和方法，(主要)用于解决热工过程特殊参量(无样本参量)认知问题，为实现热工对象的在线可控、在线优化以及提高热工对象的生产能力并降低能耗奠定基础。

本书可作为热能工程、动力机械及工程、能源信息技术、人工智能，应用数学与工程等专业研究人员的学术文献，也可以作为研究生的教材或参考读物。同时对相关专业的工程技术人员和管理人员也具有参考价值。

第1章 绪论

 1.1 研究背景及问题描述

 1.2 证据理论：基本概念及相关计算

 1.2.1 证据表征

 1.2.2 证据融合

 1.2.3 广义贝叶斯定理

 1.2.4 证据决策

 1.2.5 模糊证据理论

 1.2.6 证据理论的矩阵计算

 1.3 证据理论发展现状及存在的问题

 1.3.1 证据(信度函数)的解释

 1.3.2 证据的构建

 1.3.3 证据融舍悖论和独立性假设

 1.3.4 证据融合计算复杂度的简化

 1.3.5 证据理论存在的问题和发展趋势

 1.4 主要研究内容及安排

 1.5 主要贡献

第2章 拓展权函数

 2.1 证据正则分解

 2.1.1 与权函数

 2.1.2 并权函数

 2.1.3 基于权函数的证据融合法则

 2.2 权函数拓展研究

 2.3 拓展权函数的应用

 2.3.1 基于拓展权函数的信度函数间的转换

 2.3.2 基于拓展权函数的改进型融合法则

 2.4 本章小节

第3章 证据融合独立性假设及广义范数融合法则

 3.1 引言

 3.2 广义范数的定义及证明

 3.3 基于广义范数的证据融合法则研究

 3.3.1 广义T范数与法则

 3.3.2 广义U范数与法则

 3.3.3 广义丁范数并法则和广义u范数并法则

 3.3.4 广义范数融合法则的讨论

 3.3.5 广义范数融合法则的简化

 3.3.6 广义范数融合法则应用示例及分析

 3.4 模糊证据融合法则研究

 3.4.1 经典模糊证据融合法则分析

 3.4.2 模糊证据的离散化策略研究

 3.4.3 基于广义T范数与法则及离散化策略的模糊证据融合

 3.5 本章小结

第4章 证据ANN分类算法及其在模式识别中的应用.

 4.1 引言

 4.2 经典证据kNN分类器

 4.3 经典证据kNN分类器存在的局限性分析

 4.4 三种变体证据kNN分类器

 4.4.1 基于自适应度量空间及参数优化的证据kNN分类器

 4.4.2 基于广义T范数与法则的证据kNN分类器

 4.4.3 鲁棒自适应证据KNN分类器

 4.4.4 实验分析

 4.5 本章小结

第5章 证据邻域粗糙集模型及其在属性约简中的应用

 5.1 引言

 5.2 邻域粗糙集模型及属性约简

 5.3 基于邻域证据决策误差率的属性约简算法研究

 5.4 证据邻域粗糙集模型及属性约简算法研究

 5.5 实验分析

 5.5.1 属性约简算法敏感性分析及分类精度验证

 5.5.2 证据邻域决策系统的属性约简模拟分析

 5.6 本章小结

第6章 证据回归多模型建模方法及其在过程预测中的应用

 6.1 引言

 6.2 不精确和不确定性知识表征及简化策略

 6.3 证据回归多模型

 6.3.1 全局模型建模

 6.3.2 局部模型建模

 6.3.3 证据回归多模型参数辨识策略

 6.3.4 证据回归多模型校正策略

 6.4 证据回归多模型应用举例

 6.4.1 基于证据回归多模型的过程预测分析

 6.4.2 传感器可靠性及测量精度时变过程的预测分析

 6.5 证据回归多模型讨论

 6.5.1 样本冲突性处理

 6.5.2 样本不确定性反映

 6.5.3 证据回归多模型与EVREG模型的比较

 6.6 本章小结

第7章 基于证据回归多模型的钢球磨煤机料位认知建模

 7.1 引言

 7.2 制粉系统钢球磨煤机机理分析

 7.2.1 钢球磨煤机数学模型及特性

 7.2.2 料位影响因素分析

 7.3 实验

 7.3.1 专家知识库构建

 7.3.2 钢球磨煤机现场实验及实验结果

 7.4 无样本参量证据样本构建策略

 7.5 无样本参量料位在线认知模型

 7.5.1 基于证据回归多模型的料位认知

 7.5.2 认知结果分析与验证

 7.6 本章小结

第8章 基于证据回归多模型的汽轮机排汽焓认知建模

 8.1 引言

 8.2 汽轮机全工况特性重构模型

 8.2.1 基准工况的选择原则

 8.2.2 汽轮机本体变工况特性

 8.2.3 凝汽器特性

 8.2.4 回热加热器特性

 8.2.5 给水泵及给水泵汽轮机特性

 8.2.6 汽轮机工况重构方法步骤

 8.2.7 基于汽轮机工况特性重构模型的全日负荷数据样本

 8.3 排汽焓证据样本构建

 8.4 无样本参量排汽焓在线认知模型

 8.5 本章小节

第9章 证据回归多模型简化及其用于热工过程有样本参量的监测

 9.1 引言

 9.2 证据回归多模型简化研究及算例分析

 9.2.1 简化证据回归模型

 9.2.2 简化证据回归模型预测精度验证分析

 9.3 NU排放响应特性建模

 9.3.1 600 MW机组(12试验样本)的实例分析

 9.3.2 300 MW机组(279试验样本)的实例分析

 9.4 本章小节

第10章 区间证据理论及其在决策中的应用

 10.1 引言

 10.2 区间证据理论及区间证据融合

 1O.2.1 区间证据的定义

 10.2.2 区间证据的融合法则及其分析

 10.3 区间证据的最大置信区间

 10.3.1 数值模拟实验及实验结果：最大置信区间的存在性演示

 10.3.2 最大置信区间的存在性分析及理论证明

 10.3.3 不确定情况分析

 10.3.4 最大置信区间的推广性分析

 10.4 区间证据最大置信区间在决策中的应用

 1O.5 本章小结

参考文献