论文目录 | |
摘要 | 第1-9页 |
Abstract | 第9-11页 |
插图索引 | 第11-13页 |
附表索引 | 第13-14页 |
第1章 绪论 | 第14-26页 |
· 软测量技术研究的意义 | 第14-15页 |
· 软测量技术的基本原理 | 第15-17页 |
· 辅助变量的选择 | 第15-16页 |
· 数据采集和处理 | 第16-17页 |
· 软测量模型的建立 | 第17页 |
· 软测量模型校正 | 第17页 |
· 软测量技术建模方法概述 | 第17-23页 |
· 基于工艺机理分析的软测量建模方法 | 第17-18页 |
· 基于状态估计的软测量建模方法 | 第18页 |
· 基于回归分析的软测量建模 | 第18-19页 |
· 基于人工神经网络的软测量建模方法 | 第19-21页 |
· 基于统计学习理论的软测量建模方法 | 第21-22页 |
· 基于多模型的软测量建模方法 | 第22-23页 |
· 论文的主要研究内容及章节安排 | 第23-26页 |
第2章 子模型建模方法简介 | 第26-35页 |
· RBF 神经网络 | 第26-28页 |
· ELM 算法 | 第28-29页 |
· OS-ELM 算法 | 第29-30页 |
· LS-SVM 算法 | 第30-32页 |
· 在线LS-SVM 算法 | 第32-34页 |
· 本章小结 | 第34-35页 |
第3章 基于动态Gauss-Markov 估计的多模型软测量建模方法 | 第35-45页 |
· Gauss-Markov 估计融合算法简介 | 第35-36页 |
· 动态Gauss-Markov 估计融合算法思想 | 第36-37页 |
· 基于动态Gauss-Markov 估计的异类多模型融合软测量模型结构 | 第37-38页 |
· 基于动态Gauss-Markov 估计的异类多模型融合软测量算法步骤 | 第38-39页 |
· 应用仿真研究 | 第39-43页 |
· Mackey-Glass 时间序列预测 | 第39-41页 |
· 乙烯精馏工艺流程简介 | 第41页 |
· 乙烯精馏塔塔釜乙烯浓度预测 | 第41-43页 |
· 仿真结果分析 | 第43页 |
· 本章小结 | 第43-45页 |
第4章 混合核函数稀疏LS-SVM 软测量建模方法 | 第45-55页 |
· 稀疏解算法:矢量基及其选择判据 | 第46-47页 |
· 混合核函数算法思想 | 第47-48页 |
· 模型参数优化 | 第48页 |
· 混合核函数稀疏LS-SVM 建模步骤 | 第48-49页 |
· 应用仿真研究 | 第49-54页 |
· Mackey-Glass 时间序列预测 | 第49-51页 |
· 乙烯精馏塔塔釜乙烯浓度预测 | 第51-53页 |
· 仿真结果分析 | 第53-54页 |
· 本章小结 | 第54-55页 |
第5章 基于集成修剪的多模型软测量建模方法 | 第55-63页 |
· bagging 算法简介 | 第55页 |
· AdaBoost.RT 算法简介 | 第55-56页 |
· 基于AdaBoost.RT 修剪的bagging 集成算法结构与步骤 | 第56-58页 |
· 丁苯橡胶工艺介绍 | 第58-59页 |
· 应用仿真研究 | 第59-62页 |
· 仿真结果分析 | 第62页 |
· 本章小结 | 第62-63页 |
结论与展望 | 第63-64页 |
参考文献 | 第64-70页 |
致谢 | 第70-71页 |
附录A 攻读学位期间所发表的学术论文目录 | 第71-72页 |
附录B 部分精馏塔塔釜乙烯浓度数据 | 第72-76页 |
附录 C 部分丁苯橡胶聚合转化率数据 | 第76-79页 |
附录 D 部分程序代码 | 第79-83页 |