| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题的研究背景及意义 | 第11-14页 |
| 1.1.1 湿法冶金 | 第11-13页 |
| 1.1.2 溶剂萃取 | 第13-14页 |
| 1.2 湿法冶金萃取过程概述 | 第14-15页 |
| 1.3 萃取过程建模的研究现状 | 第15-16页 |
| 1.4 本文的主要工作 | 第16-19页 |
| 第2章 铜萃取过程的工艺流程及动态机理模型 | 第19-33页 |
| 2.1 溶剂萃取的基本原理 | 第19-24页 |
| 2.1.1 溶剂萃取的概念 | 第19页 |
| 2.1.2 萃取平衡关系 | 第19-20页 |
| 2.1.3 萃取过程中的相关概念 | 第20-21页 |
| 2.1.4 萃取过程的分类 | 第21-24页 |
| 2.2 铜萃取过程的工艺过程 | 第24-26页 |
| 2.2.1 铜萃取过程所采用的设备 | 第24-25页 |
| 2.2.2 铜萃取过程所采用的萃取剂 | 第25页 |
| 2.2.3 铜萃取工艺流程 | 第25-26页 |
| 2.3 铜萃取过程动态机理模型 | 第26-28页 |
| 2.4 模型仿真分析 | 第28-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于串联型混合模型的铜萃取过程混合建模 | 第33-51页 |
| 3.1 引言 | 第33页 |
| 3.2 混合建模方法概述 | 第33-35页 |
| 3.2.1 机理模型 | 第33-34页 |
| 3.2.2 数据模型 | 第34页 |
| 3.2.3 混合模型 | 第34-35页 |
| 3.3 基于Tikhonov正则化方法的平衡浓度估计 | 第35-40页 |
| 3.3.1 Tikhonov正则化 | 第36-38页 |
| 3.3.2 仿真实验及结果分析 | 第38-40页 |
| 3.4 基于最小二乘支持向量机(LSSVRM)的数据建模 | 第40-48页 |
| 3.4.1 统计学习理论与结构风险最小化 | 第41-42页 |
| 3.4.2 支持向量机理论 | 第42-44页 |
| 3.4.3 支持向量回归机 | 第44-45页 |
| 3.4.4 最小二乘支持向量回归机(LSSVRM) | 第45-47页 |
| 3.4.5 仿真验证 | 第47-48页 |
| 3.5 铜萃取过程串行混合模型 | 第48-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第4章 混合模型校正 | 第51-65页 |
| 4.1 铜萃取模型整体框架 | 第51-52页 |
| 4.2 模型性能评价 | 第52-56页 |
| 4.2.1 高斯混合模型 | 第52-54页 |
| 4.2.2 模型性能评价指标 | 第54-56页 |
| 4.2.3 模型性能监测 | 第56页 |
| 4.3 模型校正策略 | 第56-57页 |
| 4.3.1 模型输出校正 | 第56页 |
| 4.3.2 模型参数校正 | 第56-57页 |
| 4.4 基于模型性能评价的模型校正策略实施步骤 | 第57-59页 |
| 4.5 高斯分量个数的确定 | 第59-60页 |
| 4.6 模型校正过程仿真研究 | 第60-63页 |
| 4.7 本章小结 | 第63-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 全文总结 | 第65页 |
| 5.2 研究展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
