本文 通 过 对己有模型和锅炉运行现状的分析，尝试用BP神经网络的方法分析讨论锅炉效率在线计算和运行优化等问题。研究工作主要包括:基于BP神经网络进行煤的工业分析结果和元素分析结果之间的转换 考虑到煤在锅炉中燃烧时有固体未燃碳存在，给出了煤组成成分的实际结果的概念 详细讨论了过量空气系数的两种定义及特点，说明运行中用烟气分析结果确定过量空气系数时，对测得的湿烟气含氧量进行修正的必要性和方法:以反平衡法为基础给出了改进的锅炉效率在线计算模型 以效率在线计算为基础，尝试运用神经网络方法确定锅炉运行中

分析了支持向量回归机在能源需求预测中的优势,确定了输入向量集合和输出向量集合,建立了基于Matlab技术的SVR能源需求预测模型.对我国1985-2008年能源需求相关数据进行模拟与仿真,并对中国2010年和2020年能源需求量进行预测.研究结果表明:一是中国未来对能源的需求量逐渐增加,从2010年的330400万吨标准煤上升到2020年418320万吨标准煤,年均增长率为2.39％；二是在解决我国能源系统小样本.非线性及高维模式识别问题中SVR比BP神经网络等方法有更高的预测精度.-Suppo