| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·引言 | 第9-10页 |
| ·软测量技术概述 | 第10-12页 |
| ·软测量技术的理论基础 | 第10页 |
| ·软测量技术的内容 | 第10-12页 |
| ·研究背景 | 第12-15页 |
| ·支持向量机的研究现状 | 第12-14页 |
| ·灰色系统理论研究现状 | 第14-15页 |
| ·组合预测和灰色支持向量机组合预测研究现状 | 第15页 |
| ·研究的目的与意义 | 第15-16页 |
| ·论文的主要研究内容 | 第16-18页 |
| 第2章 支持向量回归机的基本理论 | 第18-32页 |
| ·引言 | 第18页 |
| ·统计学习理论 | 第18-22页 |
| ·机器学习问题 | 第19-20页 |
| ·经验风险最小化 | 第20页 |
| ·VC维 | 第20页 |
| ·结构风险最小化 | 第20-22页 |
| ·支持向量回归机原理 | 第22-27页 |
| ·最优分类超平面与支持向量机分类 | 第22-23页 |
| ·支持向量机函数回归 | 第23-26页 |
| ·核函数 | 第26-27页 |
| ·最小二乘支持向量机 | 第27-31页 |
| ·最小二乘支持向量机基本原理 | 第27-28页 |
| ·最小二乘支持向量机的稀疏性问题 | 第28页 |
| ·剪枝算法及其改进 | 第28-30页 |
| ·测试函数仿真 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 灰色系统的基本理论 | 第32-43页 |
| ·引言 | 第32-34页 |
| ·灰色系统的发展 | 第33页 |
| ·灰色系统建模理论 | 第33-34页 |
| ·灰色预测模型 | 第34页 |
| ·灰色关联分析 | 第34-36页 |
| ·灰色关联分析的基本特征 | 第34-35页 |
| ·灰色关联度的计算 | 第35-36页 |
| ·GM(1,1)模型 | 第36-42页 |
| ·GM(1,1)模型建模机理 | 第36-38页 |
| ·GM(1,1)模型的局限性 | 第38-39页 |
| ·对GM(1,1)预测模型的改进 | 第39-41页 |
| ·仿真结果 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 灰预测支持向量机模型 | 第43-52页 |
| ·引言 | 第43页 |
| ·GM(1,1)模型背景值的优化 | 第43-45页 |
| ·基于PSO优化的GM模型(PSOGM) | 第45-48页 |
| ·粒子群优化算法 | 第45-47页 |
| ·背景值构造的重新优化 | 第47-48页 |
| ·灰色支持向量机模型 | 第48-51页 |
| ·基于PSO优化的灰色支持向量机模型 | 第48页 |
| ·仿真分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 灰关联分析支持向量机模型 | 第52-60页 |
| ·引言 | 第52页 |
| ·灰关联支持向量机模型 | 第52-53页 |
| ·灰关联支持向量机模型在德士古气化炉炉膛温度测量中的应用 | 第53-59页 |
| ·德士古水煤浆气化技术概况 | 第53-54页 |
| ·德士古水煤浆气化炉工艺流程简介 | 第54-55页 |
| ·德士古水煤浆气化炉的反应机理 | 第55-56页 |
| ·辅助变量的选择 | 第56-57页 |
| ·现场数据仿真 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| ·本文主要工作总结 | 第60-61页 |
| ·进一步讨论和展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 作者在攻读硕士学位期间发表的论文 | 第68页 |