| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 多变量过程建模概述 | 第10-17页 |
| 1．0 引言 | 第10页 |
| 1．1 控制与建模 | 第10-11页 |
| 1．1．1 过程控制发展概述 | 第10-11页 |
| 1．1．2 建模是控制的基础 | 第11页 |
| 1．2 模型定义 | 第11-13页 |
| 1．3 基于输入输出统计数据的建模方法 | 第13-14页 |
| 1．4 建模的一般步骤 | 第14-15页 |
| 1．5 本文内容安排 | 第15-17页 |
| 第二章 基于统计数据的多变量过程建模的基本方法 | 第17-32页 |
| 2．0 引言 | 第17页 |
| 2．1 多元线性回归 | 第17-19页 |
| 2．2 主元分析法 | 第19-23页 |
| 2．2．1 主元分析法 | 第19-21页 |
| 2．2．2 主元分析的非线性迭代部分最小二乘算法 | 第21-22页 |
| 2．2．3 主元意义的解释 | 第22-23页 |
| 2．3 主元回归 | 第23-25页 |
| 2．3．1 主元回归 | 第23-24页 |
| 2．3．2 基于主元分析的过程控制 | 第24-25页 |
| 2．4 部分最小二乘 | 第25-32页 |
| 第三章 基于主元逆映射的广义神经网络建模及其在二氧化碳提纯工艺中的应用 | 第32-48页 |
| 3．0 引言 | 第32页 |
| 3．1 主元逆映射分析法 | 第32-36页 |
| 3．1．1 主元的计算 | 第32-34页 |
| 3．1．2 主元逆映射分析法 | 第34-36页 |
| 3．2 基于主元逆映射分析法的广义回归神经网络建模 | 第36-38页 |
| 3．3 二氧化碳提纯系统工业背景 | 第38-39页 |
| 3．4 基于BMPCA—GRBF建模在二氧化碳提纯工艺中的应用 | 第39-48页 |
| 3．4．1 输入、输出向量的确定 | 第40页 |
| 3．4．2 建立主元回归模型 | 第40-45页 |
| 3．4．3 建立BMPCA—GRBF模型 | 第45-48页 |
| 第四章 污水处理过程工艺介绍 | 第48-59页 |
| 4．0 引言 | 第48页 |
| 4．1 我国污水处理现状 | 第48-49页 |
| 4．2 污水处理工艺 | 第49-54页 |
| 4．2．1 污水处理机理 | 第49-50页 |
| 4．2．2 污水生物处理 | 第50页 |
| 4．2．3．活性污泥法 | 第50-52页 |
| 4．2．4 SBR法 | 第52-54页 |
| 4．3 污水水质参数介绍 | 第54-59页 |
| 第五章 基于Elman网络的动态建模在SBR法污水处理中的应用 | 第59-69页 |
| 5．0 引言 | 第59-60页 |
| 5．1 Elman动态网络 | 第60-62页 |
| 5．2 SBR法污水处理试验 | 第62-64页 |
| 5．3 基于Elman网络的动态建模在SBR法污水处理中的应用 | 第64-69页 |
| 第六章 总结与展望 | 第69-70页 |
| 6．1 本文工作总结 | 第69页 |
| 6．2 基于统计数据的多变量过程建模的进一步研究方向 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 符号说明 | 第73-75页 |
| 附录 | 第75-80页 |
| 致谢 | 第80-81页 |
| 发表论文 | 第81页 |
