| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 引言 | 第9页 |
| 1.2 聚丙烯熔融指数预报 | 第9-11页 |
| 1.2.1 聚丙烯及其熔融指数 | 第9-10页 |
| 1.2.2 熔融指数预报研究现状 | 第10-11页 |
| 1.3 支持向量机 | 第11-14页 |
| 1.3.1 支持向量分类机 | 第11-13页 |
| 1.3.2 支持向量回归机 | 第13-14页 |
| 1.4 群智能优化算法 | 第14-19页 |
| 1.4.1 遗传算法 | 第14-15页 |
| 1.4.2 蚁群优化算法 | 第15-17页 |
| 1.4.3 粒子群优化算法 | 第17-18页 |
| 1.4.4 混合蛙跳算法 | 第18-19页 |
| 1.5 本文结构与安排 | 第19-21页 |
| 第二章 熔融指数预报LSSVM模型 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 聚丙烯生产过程研究 | 第21-24页 |
| 2.2.1 建模对象介绍 | 第21-22页 |
| 2.2.2 建模变量确定及数据预处理 | 第22-23页 |
| 2.2.3 模型的性能指标 | 第23-24页 |
| 2.3 最小二乘支持向量机建模 | 第24-25页 |
| 2.4 熔融指数预报LSSVM模型性能分析 | 第25-27页 |
| 2.5 小结 | 第27-29页 |
| 第三章 基于PSO算法的熔融指数预报模型优化研究 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 PSO-LSSVM优化模型 | 第29-30页 |
| 3.3 AMPSO-LSSVM优化模型 | 第30-36页 |
| 3.3.1 自适应变异粒子群优化算法 | 第30-34页 |
| 3.3.2 AMPSO算法优化LSSVM模型参数 | 第34-36页 |
| 3.4 PSO算法优化性能分析 | 第36-40页 |
| 3.5 小结 | 第40-41页 |
| 第四章 基于SFLA算法的熔融指数预报模型优化研究 | 第41-49页 |
| 4.1 引言 | 第41页 |
| 4.2 SFLA-LSSVM优化模型 | 第41-42页 |
| 4.3 MSFLA-LSSVM优化模型 | 第42-45页 |
| 4.3.1 改进混合蛙跳算法 | 第42-43页 |
| 4.3.2 MSFLA算法优化LSSVM模型参数 | 第43-45页 |
| 4.4 SFLA算法优化性能分析 | 第45-48页 |
| 4.5 小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 全文总结 | 第49-50页 |
| 5.2 研究展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-59页 |
| 个人简历 | 第59-61页 |
| 攻读硕士期间的主要成果 | 第61页 |