1 緒論 1

n1.1 數學模型的建立過程 1

n1.2 數學模型的特點 2

n1.3 數學模型的分類 4

n參考文獻 5

n2 常微分方程模型 6

n2.1 天然氣消費量增長預測 7

n2.1.1 普通微分模型 8

n2.1.2 Logistic模型 11

n2.1.3 結論 15

n2.2 煤氣中毒與急救 16

n2.2.1 煤氣中毒機理分析 17

n2.2.2 煤氣中毒模型 18

n2.2.3 結論 25

n2.3 燃氣熱水器熱水零等待 25

n2.3.1 無保溫材料和循環泵情形 26

n2.3.2 熱水零等待優化設計 36

n2.3.3 結論 39

n2.4 地鐵運行雜散電流 41

n2.4.1 雜散電流分布數學模型 41

n2.4.2 減小雜散電流干擾方法 44

n2.4.3 結論 48

n2.5 燃氣熱水器氮氧化物排放與分級燃燒優化 48

n2.5.1 傳統燃氣熱水器氮氧化物排放量 49

n2.5.2 分級燃燒式燃氣熱水器氮氧化物排放量 55

n2.5.3 結論 59

n參考文獻 60

n3 偏微分方程模型 64

n3.1 概述 65

n3.2 球坐標下煤改氣空氣凈化模型 65

n3.2.1 煤改氣之前穩態過程微分方程建立 67

n3.2.2 煤改氣后動態過程微分方程建立 68

n3.2.3 煤改氣完成時空氣質量改善情況 71

n3.3 柱坐標下煤改氣空氣凈化模型 72

n3.3.1 柱坐標模型建立 72

n3.3.2 柱坐標模型求解 74

n3.4 結論 75

n參考文獻 75

n4 積分方程模型 77

n4.1 概述 77

n4.2 雙塔脫水模型 79

n4.2.1 硅膠塔脫水模型 79

n4.2.2 分子篩塔脫水模型 81

n4.2.3 雙塔串聯脫水模型 82

n4.2.4 雙塔脫水模型構建 85

n4.3 數據代入及檢驗 85

n4.4 結論 87

n參考文獻 88

n5 數學規劃模型 89

n5.1 概述 90

n5.2 供應瓶裝液化石油氣優化模型 90

n5.2.1 單個燃氣公司向部分村民供氣優化模型 91

n5.2.2 向全部村民供應液化石油氣的儲配站選址優化模型 92

n5.3 向村莊供應管道天然氣和液化天然氣成本比較與選擇 95

n5.4 結論 97

n參考文獻 97

n6 曲線擬合模型 99

n6.1基于不同菜系的餐飲業用戶用氣量研究 99

n6.1.1 基于客流量為基準的不同菜系商業用戶用氣量比較 100

n6.1.2 結果與討論 107

n6.1.3 結論 108

n6.2 燃氣中央熱水系統設計分析 109

n6.2.1 熱水供應模式 109

n6.2.2 運行原理 110

n6.2.3 耗熱量和熱水量計算 111

n6.2.4 項目方案設計 112

n6.2.5 結果與討論 115

n6.2.6 結論 115

n參考文獻 116

n7 統計模型 117

n7.1 氣體火焰傳播速度預測 117

n7.1.1 常見燃料氣體層流火焰傳播速度和物化性質 118

n7.1.2 以燃料類型、烴類型、一次空氣系數及導熱系數為自變量的線性回歸模型 118

n7.1.3 以碳氫比、標況密度、一次空氣系數及導熱系數為自變量的線性回歸模型 120

n7.1.4 結論 123

n7.2 沼氣生成問題 123

n7.2.1 模型假設與分析 124

n7.2.2 模型建立與分析 124

n7.2.3 結論 127

n參考文獻 127

n8 概率模型 128

n8.1 概述 128

n8.2 課題分析 129

n8.3 模型建立和分析 130

n8.3.1 模型建立 130

n8.3.2 模型求解與分析 131

n8.4 結論 134

n參考文獻 134

n9 量綱分析模型 136

n9.1 概述 136

n9.2 量綱建模 137

n9.2.1 燃氣壓力能利用量綱模型 137

n9.2.2 溫度變化量綱模型 139

n9.3 燃氣爆炸能量估計 139

n9.4 結論 143

n參考文獻 143

n10 預測專題 144

n10.1 概述 144

n10.1.1 我國天然氣消費情況 144

n10.1.2 深圳市天然氣市場發展現狀 145

n10.1.3 城市天然氣負荷預測意義 146

n10.1.4 預測原理和方法 148

n10.2 影響天然氣日負荷量的客觀因素 153

n10.2.1 假期影響 153

n10.2.2 氣溫影響 157

n10.2.3 工作日和雙休日燃氣負荷量變化 158

n10.3 基于GM(1,1)模型的天然氣負荷量預測 159

n10.3.1 灰色理論 159

n10.3.2 GM(1,1)預測年天然氣負荷量 160

n10.4 基于G(1,N)模型的天然氣負荷量預測 164

n10.4.1 灰色關聯度分析 164

n10.4.2 灰色關聯分析理論模型 165

n10.4.3 基于灰色模型的天然氣負荷量預測分析 166

n10.4.4 具體實施過程 168

n10.5 基于神經網絡的天然氣負荷量預測 181

n10.5.1 BP神經網絡的分析流程 181

n10.5.2 BP神經網絡模型建立及結果分析 184

n10.6 基于馬爾科夫鏈的天然氣負荷量預測 186

n10.6.1 馬爾科夫理論 186

n10.6.2 馬爾科夫矩陣計算 187

n10.6.3 聚類馬爾可夫鏈修正擬合值 190

n10.6.4 模型比較 191

n10.7 基于支持向量機的天然氣日負荷量預測 192

n10.7.1 支持向量機（Support Vector Machine） 193

n10.7.2 支持向量回歸機 198

n10.7.3 支持向量機核函數 200

n10.7.4 徑向基函數超參數的優化 201

n10.7.5 燃氣日負荷特點 202

n10.7.6 SVM預測模型建立 203

n10.7.7 輸入向量 203

n10.7.8 數據預處理 204

n10.7.9 計算 204

n10.7.10 結果與討論 205

n10.8 結論 209

n參考文獻 210