基于SVR的铝电解槽极距软测量模型的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题背景及研究意义 | 第9页 |
| ·铝电解槽设计技术的国内外研究现状 | 第9-11页 |
| ·软测量技术原理及应用现状 | 第11-15页 |
| ·软测量技术原理 | 第11-13页 |
| ·软测量技术研究及应用现状 | 第13-15页 |
| ·极距检测技术的研究现状 | 第15-16页 |
| ·论文主要研究内容及章节安排 | 第16-17页 |
| 第二章 铝电解生产特点及极距影响因素分析 | 第17-25页 |
| ·铝电解生产特点 | 第17-20页 |
| ·铝电解原理 | 第17-18页 |
| ·铝电解节能方向 | 第18-20页 |
| ·极距影响因素分析 | 第20-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 统计学习理论及支持向量机 | 第25-36页 |
| ·统计学习理论概述 | 第25-28页 |
| ·学习问题模型 | 第25-26页 |
| ·学习过程的一致性 | 第26-27页 |
| ·学习工程推广能力的理论基础 | 第27-28页 |
| ·支持向量机概述 | 第28-35页 |
| ·支持向量机基本原理简介 | 第28-34页 |
| ·支持向量机算法的发展 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 铝电解槽极距软测量建模 | 第36-59页 |
| ·铝电解槽极距软测量模型的提出 | 第36-41页 |
| ·软测量模型描述 | 第37页 |
| ·铝电解槽极距软测量的基本框架 | 第37-41页 |
| ·支持向量机的铝电解槽极距软测量模型的建立 | 第41-53页 |
| ·极距软测量模型基本结构 | 第41-42页 |
| ·铝电解槽极距软测量模型建模和仿真 | 第42-52页 |
| ·基于的ε-SVR极距软测量建模及实验结果 | 第52-53页 |
| ·基于支持向量回归改进算法的极距建模 | 第53-58页 |
| ·遗传算法 | 第53-54页 |
| ·自适应遗传算法 | 第54-55页 |
| ·遗传算法对支持向量回归参数优化 | 第55-57页 |
| ·参数优化后的实验结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·工作总结 | 第59页 |
| ·研究展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间主要的研究成果 | 第66页 |
