中文摘要：

复杂热力系统建模方法的研究是系统优化运行、控制、性能评估、故障诊断、仿真等关键问题的基础性研究课题。本课题深入研究了一种新的建模思想-反向建模方法，以期提高复杂热力系统的建模效率和建模精度。本报告给出了反向建模方法的基本定义、一般建模模式和要求、意义和作用，初步形成一个较完整的理论体系和方法论；研究了反向建模与数据挖掘、系统辨识、软测量的关系，指出反向建模是数据挖掘在复杂热力系统建模中的应用；反向建模是不同于系统辨识的另一种新方法；反向建模可以应用于软测量建模。本课题探讨了实时数据的验证方法以确保建模数据的可信性。特征变量的提取或称为自变量的选取也是反向建模的重要的问题。本课题通过对多种自变量选取方法的研究，提出在反向建模方法中用灰关联分析法选取特征变量，并用实例验证了该方法的有效性和可用性。在反向建模中，建模算法的研究和选取是至关重要的，也是本课题研究的主要领域之一。本课题主要研究和应用的算法有神经网络、偏最小二乘、支持向量机、遗传算法和粒子群算法。研究表明所建模型可以解决目前机组在线性能计算和关键参数的冗余分析中遇到的难题，所建模型的精度验证了反向建模方法的可行性。