| 1 前言 | 第1-7页 |
| 2 催化裂化数学模型 | 第7-14页 |
| 2．1 集总反应动力学模型 | 第7-11页 |
| 2．1．1 反应器模型 | 第9-10页 |
| 2．1．2 再生器模型 | 第10-11页 |
| 2．2 关联模型 | 第11-12页 |
| 2．3 神经网络应用的必要性和可能性 | 第12-14页 |
| 3 人工神经网络 | 第14-27页 |
| 3．1 神经网络的发展过程和应用 | 第14-16页 |
| 3．2 人工神经元和人工神经网络 | 第16-19页 |
| 3．2．1 神经元的分类 | 第16-17页 |
| 3．2．2 神经元之间的连接 | 第17页 |
| 3．2．3 神经元传递函数 | 第17页 |
| 3．2．4 神经网络的拓扑结构 | 第17-18页 |
| 3．2．5 人工神经网络的学习 | 第18-19页 |
| 3．3 BP网络 | 第19-21页 |
| 3．4 BP网络训练方法 | 第21-27页 |
| 3．4．1 BP学习算法的基本公式 | 第21-23页 |
| 3．4．2 快速BP算法 | 第23-24页 |
| 3．4．3 Levenberg-Marcluardt法 | 第24-27页 |
| 4 BP网络在催化裂化模拟优化控制中的应用 | 第27-44页 |
| 4．1 输入数据的获得 | 第29页 |
| 4．2 训练结果 | 第29-37页 |
| 4．3 讨论 | 第37-44页 |
| 5 神经网络优化方法 | 第44-52页 |
| 5．1 坐标轮换法 | 第44-45页 |
| 5．2 可变误差多面体法 | 第45-48页 |
| 5．3 NPSOL法 | 第48-49页 |
| 5．4 方法对比 | 第49-52页 |
| 6 神经网络的应用 | 第52-56页 |
| 7 结论 | 第56-57页 |
| 8 致谢 | 第57-58页 |
| 9 参考文献 | 第58-59页 |