| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-16页 |
| ·研究的目的意义 | 第8页 |
| ·国内外研究现状 | 第8-14页 |
| ·国内外有关柴油性质量测的研究现状 | 第8-11页 |
| ·国内外近红外技术的研究现状 | 第11-14页 |
| ·课题研究目标、研究内容、具体方案 | 第14-16页 |
| ·课题研究目标 | 第14页 |
| ·课题主要研究内容 | 第14页 |
| ·课题研究方案 | 第14-16页 |
| 第2章 近红外光谱分析技术原理 | 第16-32页 |
| ·近红外光谱分析技术的特点 | 第16页 |
| ·近红外光谱的产生 | 第16-18页 |
| ·比尔定律 | 第18-21页 |
| ·有机化合物的近红外光谱特征 | 第21-22页 |
| ·近红外光谱仪器的主要类型 | 第22页 |
| ·近红外光谱分析技术 | 第22-31页 |
| ·校正集样品的设定及光谱数据预处理 | 第22-26页 |
| ·光谱数据校正方法 | 第26-30页 |
| ·模型评价 | 第30-31页 |
| ·人工神经网络在近红外光谱分析中的应用 | 第31-32页 |
| 第3章 基于NIR-SVM的柴油性质模型建立与仿真研究 | 第32-47页 |
| ·支持向量机的基本原理 | 第32-38页 |
| ·支持向量分类机（SVC） | 第32-35页 |
| ·支持向量回归（SVR） | 第35-38页 |
| ·基于NIR-SVM的柴油性质预测模型的建立 | 第38-47页 |
| ·柴油的近红外光谱图与样本集的设定 | 第38-39页 |
| ·近红外光谱数据预处理 | 第39-40页 |
| ·主成分分析法在柴油性质预测模型中的应用 | 第40-42页 |
| ·基于NIR-SVM的柴油性质预测模型的建立 | 第42-43页 |
| ·BP神经网络在柴油性质预测模型中的应用 | 第43-47页 |
| 第4章 柴油十六烷值预测模型建立与仿真研究 | 第47-69页 |
| ·基于无处理全光谱数据的预测模型建立与仿真研究 | 第47-50页 |
| ·BP神经网络柴油十六烷值预测模型 | 第47-48页 |
| ·SVM柴油十六烷值预测模型 | 第48-50页 |
| ·十六烷值近红外数据筛选 | 第50-52页 |
| ·预测模型参数对预测精度的影响分析 | 第52-62页 |
| ·支持向量机参数对预测模型精度的影响分析 | 第52-61页 |
| ·BP神经网络参数对预测模型精度的影响 | 第61-62页 |
| ·基于预处理数据的柴油十六烷值预测模型仿真研究 | 第62-65页 |
| ·基于主成分分析的柴油十六烷值预测模型仿真研究 | 第65-67页 |
| ·柴油十六烷值模型验证 | 第67-68页 |
| ·小结 | 第68-69页 |
| 第5章 柴油黏度预测模型建立与仿真研究 | 第69-75页 |
| ·黏度近红外数据筛选 | 第69-71页 |
| ·基于预处理数据的柴油黏度预测模型仿真研究 | 第71-72页 |
| ·基于主成分分析的柴油黏度预测模型仿真研究 | 第72-73页 |
| ·柴油黏度模型验证 | 第73-75页 |
| 结论 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79页 |