| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-27页 |
| ·软测量技术研究的意义 | 第11-12页 |
| ·软测量技术的理论基础 | 第12页 |
| ·辅助变量的选择、数据的采集与预处理 | 第12-14页 |
| ·软测量技术的常用方法 | 第14-21页 |
| ·软测量技术国内外研究发展现状 | 第21-26页 |
| ·论文的主要内容及安排 | 第26-27页 |
| 第2章 准备知识 | 第27-38页 |
| ·模糊聚类 | 第27-29页 |
| ·RBF网络 | 第29-31页 |
| ·最小二乘支持向量机 | 第31-34页 |
| ·粒子群优化算法 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 基于双层智能结构的多模型软测量方法研究 | 第38-44页 |
| ·双层智能结构的多模型软测量方法(DLMM方法)思想的提出 | 第38-39页 |
| ·建模步骤 | 第39-40页 |
| ·工业实例研究 | 第40-43页 |
| ·乙烯精馏工艺流程简介 | 第40页 |
| ·辅助变量的选择、数据的采集与预处理 | 第40-41页 |
| ·基于DLMM方法的乙烯浓度仿真研究 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 改进双层智能结构的多模型软测量方法研究 | 第44-59页 |
| ·改进的最小二乘支持向量机方法及其工业实例研究 | 第44-53页 |
| ·粒子群优化的LS-SVM建模方法 | 第44-46页 |
| ·粒子群优化的矢量基 LS-SVM建模方法 | 第46-48页 |
| ·工业实例研究 | 第48-53页 |
| ·汽油调和工艺流程简介 | 第49-50页 |
| ·辅助变量的选择、数据的采集和预处理 | 第50-51页 |
| ·基于PSO-LSSVM与PSO-VB-LSSVM算法的工业实例研究 | 第51-52页 |
| ·仿真结果对比分析 | 第52-53页 |
| ·改进双层智能结构的多模型软测量方法及其工业实例研究 | 第53-58页 |
| ·基于 PSO-LSSVM的DLMM方法 | 第53-54页 |
| ·基于 PSO-VB-LSSVM的DLMM方法 | 第54-55页 |
| ·工业实例研究 | 第55-57页 |
| ·仿真结果对比分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 结论 | 第59页 |
| 展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第68-69页 |
| 附录B 部分归一化后的塔釜乙烯浓度数据 | 第69-73页 |
| 附录C 成品油研究法辛烷值数据 | 第73-76页 |
| 附录D 部分程序代码 | 第76-81页 |
