| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-15页 |
| ·化工过程建模 | 第10-12页 |
| ·人工神经网络简介 | 第12-13页 |
| ·人工神经网络在化工中的应用 | 第13-14页 |
| ·本文研究内容 | 第14-15页 |
| 2 干气制乙苯反应器建模思想综述 | 第15-22页 |
| ·干气制乙苯工艺介绍 | 第15-16页 |
| ·影响反应器性能的因素分析 | 第16-17页 |
| ·干气制乙苯反应器建模方法比较 | 第17-19页 |
| ·干气制乙苯建模研究现状 | 第17-18页 |
| ·与传统方法相比神经网络的优势 | 第18-19页 |
| ·研究样本和评价指标选择 | 第19-21页 |
| ·研究样本 | 第19-20页 |
| ·评价指标 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 基于BP神经网络的反应器出口温度预测模型 | 第22-36页 |
| ·BP神经网络基本理论 | 第22-26页 |
| ·BP神经网络基本原理 | 第22页 |
| ·BP神经网络算法描述 | 第22-25页 |
| ·BP神经网络算法流程图 | 第25-26页 |
| ·基于BP神经网络的反应器出口温度预测 | 第26-34页 |
| ·输入输出数据选择 | 第26页 |
| ·神经网络结构确定 | 第26-28页 |
| ·BP神经网络训练 | 第28-32页 |
| ·BP神经网络预测 | 第32-34页 |
| ·结果分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于遗传算法优化BP神经网络的反应器出口温度预测模型 | 第36-49页 |
| ·遗传算法基本理论 | 第36-39页 |
| ·基本原理 | 第36-37页 |
| ·计算流程 | 第37-39页 |
| ·遗传算法优化BP神经网络的基本思想 | 第39-41页 |
| ·算法结合的优点 | 第39页 |
| ·遗传算法对神经网络的进化方式 | 第39-40页 |
| ·算法流程图 | 第40-41页 |
| ·基于GA-BP神经网络的反应器出口温度预测 | 第41-45页 |
| ·建立GA-BP预测模型 | 第42-45页 |
| ·BP与GA-BP神经网络模型的对比分析 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 5 基于支持向量机的反应器出口温度预测模型 | 第49-64页 |
| ·支持向量机回归 | 第49-51页 |
| ·基于支持向量机的反应器出口温度预测 | 第51-60页 |
| ·支持向量机编译平台介绍 | 第51-52页 |
| ·选择核函数 | 第52-54页 |
| ·支持向量机参数的优化 | 第54-57页 |
| ·建立支持向量机预测模型 | 第57-59页 |
| ·支持向量机预测模型误差分析 | 第59-60页 |
| ·支持向量机与GA-BP神经网络方法的对比分析 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 致谢 | 第71-72页 |