| 中文摘要 | 第3-6页 |
| 英文摘要 | 第6页 |
| 目录 | 第10-14页 |
| 第一章 绪论 | 第14-51页 |
| 1．1 前言 | 第14页 |
| 1．2 催化剂设计方法 | 第14-23页 |
| 1．2．1 传统的催化剂设计方法 | 第14-17页 |
| 1．2．1．1 催化剂主要组分的选择 | 第15-16页 |
| 1．2．1．2 催化剂次要组分的选择 | 第16-17页 |
| 1．2．1．3 催化剂载体的选择 | 第17页 |
| 1．2．1．4 催化剂的减活 | 第17页 |
| 1．2．1．5 催化剂的宏观结构的选择 | 第17页 |
| 1．2．1．6 催化剂的总体设计 | 第17页 |
| 1．2．2 其它催化剂设计方法 | 第17-23页 |
| 1．2．2．1 基于专家系统的催化剂辅助设计 | 第19-21页 |
| 1．2．2．2 基于人工神经网络的催化剂辅助设计 | 第21-22页 |
| 1．2．2．3 其它辅助催化剂设计方法 | 第22-23页 |
| 1．3 甲烷氧化偶联 | 第23-36页 |
| 1．3．1 前言 | 第23-25页 |
| 1．3．2 甲烷氧化偶联催化剂研究 | 第25-30页 |
| 1．3．2．1 碱及碱土金属化合物催化剂 | 第26-27页 |
| 1．3．2．2 稀土金属氧化物催化剂 | 第27-28页 |
| 1．3．2．3 复合氧化物催化剂 | 第28页 |
| 1．3．2．4 其它类型催化剂 | 第28-30页 |
| 1．3．3 催化剂表征及催化机理研究 | 第30-34页 |
| 1．3．3．1 甲烷的活化途径 | 第30-31页 |
| 1．3．3．2 催化剂表面的活性氧物种 | 第31-32页 |
| 1．3．3．3 催化剂表面的酸碱性 | 第32页 |
| 1．3．3．4 催化剂表征方法 | 第32-34页 |
| 1．3．4 甲烷氧化偶联反应器及相关工艺的开发 | 第34-36页 |
| 1．3．4．1 反应器研究 | 第34-36页 |
| 1．3．4．2 相关工艺的研究 | 第36页 |
| 1．4 本文研究的内容 | 第36-51页 |
| 第二章 基于人工神经网络和混合遗传算法的催化剂配方设计方法 | 第51-76页 |
| 2．0 前言 | 第51-52页 |
| 2．1 人工神经网络 | 第52-57页 |
| 2．1．1 神经网络基本原理 | 第52-53页 |
| 2．1．2 神经网络的学习规则 | 第53页 |
| 2．1．3 神经网络中常用的激活函数 | 第53-54页 |
| 2．1．4 神经网络的种类 | 第54页 |
| 2．1．5 神经网络的特点 | 第54-55页 |
| 2．1．6 误差反向传播神经网络 | 第55-57页 |
| 2．2 人工神经网络辅助催化剂配方设计的建模 | 第57-64页 |
| 2．2．1 网络结构的选择 | 第58-60页 |
| 2．2．2 训练方法的选择 | 第60-64页 |
| 2．2．3 人工神经网络催化剂建模过程 | 第64页 |
| 2．3 优化方法 | 第64-73页 |
| 2．3．1 局部最优 | 第65-69页 |
| 2．3．1．1 复合形法 | 第65-67页 |
| 2．3．1．2 SWIFT方法 | 第67-69页 |
| 2．3．2 全局最优 | 第69-72页 |
| 2．3．2．1 遗传算法的基本原理 | 第69-71页 |
| 2．3．2．2 对遗传算法的改进 | 第71-72页 |
| 2．3．3 开发工具的确定 | 第72-73页 |
| 2．4 本章小结 | 第73-76页 |
| 第三章 多组分甲烷氧化偶联催化剂的组分设计及初始样本的准备 | 第76-88页 |
| 3．1 前言 | 第76页 |
| 3．2 催化剂组分的选择 | 第76-78页 |
| 3．3 催化剂初始配方的设计及其制备方法 | 第78页 |
| 3．4 催化剂反应性能的实验考评 | 第78-81页 |
| 3．4．1 催化剂考评实验装置及方法 | 第78-79页 |
| 3．4．2 反应条件的选择 | 第79页 |
| 3．4．3 分析及数据处理方法 | 第79-81页 |
| 3．5 初步研究的结果 | 第81-86页 |
| 3．5．1 温度对催化性能的影响 | 第82-84页 |
| 3．5．2 催化剂组分对催化性能的影响 | 第84-86页 |
| 3．6 本章小结 | 第86-88页 |
| 第四章 多组分甲烷氧化偶联催化剂配方优选 | 第88-102页 |
| 4．1 前言 | 第88页 |
| 4．2 人工神经网络模型参数的选择 | 第88-94页 |
| 4．2．1 BP网络的输入层与输出层单元 | 第88-89页 |
| 4．2．2 激活函数 | 第89页 |
| 4．2．3 学习算法 | 第89-91页 |
| 4．2．4 人工神经网络结构 | 第91-94页 |
| 4．3 优化方法的参数设置 | 第94-95页 |
| 4．3．1 SWIFT方法参数设置 | 第94-95页 |
| 4．3．2 hybrid GA的参数设置 | 第95页 |
| 4．4 多组分甲烷氧化偶联催化剂优选 | 第95-100页 |
| 4．5 本章小结 | 第100-102页 |
| 第五章 计算机辅助催化剂配方建模的进一步研究 | 第102-112页 |
| 5．1 前言 | 第102页 |
| 5．2 偏最小二乘法 | 第102-104页 |
| 5．3 基于神经网络的非线性偏最小二乘法 | 第104-106页 |
| 5．4 NNPLS在多组分甲烷氧化偶联催化剂配方优选建模中的应用 | 第106-111页 |
| 5．4．1 NNPLS中神经网络的参数设定 | 第107-108页 |
| 5．4．1．1 激活函数的选择 | 第107页 |
| 5．4．1．2 学习算法的选择 | 第107页 |
| 5．4．1．3 隐含单元的确定 | 第107-108页 |
| 5．4．1．4 初始权值的设定 | 第108页 |
| 5．4．2 催化剂NNPLS建模 | 第108-111页 |
| 5．5 结论 | 第111-112页 |
| 第六章 多组分甲烷氧化偶联催化剂表征实验研究 | 第112-131页 |
| 6．1 前言 | 第112页 |
| 6．2 实验 | 第112-113页 |
| 6．2．1 实验样品 | 第112-113页 |
| 6．2．2 催化剂表征方法 | 第113页 |
| 6．3 表征实验结果及分析 | 第113-124页 |
| 6．3．1 XRD表征结果 | 第113-116页 |
| 6．3．2 XPS表征结果 | 第116-120页 |
| 6．3．3 FT-IR表征结果 | 第120-121页 |
| 6．3．4 SEM表面形貌分析 | 第121-124页 |
| 6．4 反应中催化剂活性变化析因 | 第124-129页 |
| 6．5 本章小结 | 第129-131页 |
| 第七章 结论 | 第131-133页 |
| 第八章 进一步研究的展望 | 第133-135页 |
| 作者简介 | 第135-137页 |
| 跋——代致谢 | 第137-138页 |
