| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·选题背景及意义 | 第9页 |
| ·澄清过程预测建模的研究现状 | 第9-10页 |
| ·参数优化设定的研究现状 | 第10页 |
| ·支持向量机的研究现状 | 第10页 |
| ·粒子群优化算法的研究现状 | 第10-11页 |
| ·本论文的主要研究内容和章节安排 | 第11-13页 |
| 第二章 碳酸法澄清过程的数据预处理 | 第13-29页 |
| ·引言 | 第13页 |
| ·碳酸法 | 第13-14页 |
| ·碳酸法澄清工艺流程 | 第14-15页 |
| ·澄清过程的工艺参数与数据样本 | 第15-16页 |
| ·澄清过程的工艺条件 | 第16-18页 |
| ·澄清过程的数据预处理 | 第18-28页 |
| ·澄清工艺存在的问题 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 碳酸法澄清过程的灰色关联分析 | 第29-34页 |
| ·引言 | 第29页 |
| ·灰色关联分析 | 第29-31页 |
| ·GRA的原理 | 第29页 |
| ·GRA的计算过程 | 第29-30页 |
| ·GRA的改进之处 | 第30-31页 |
| ·数据样本 | 第31页 |
| ·计算过程与结果 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于LSSVR的碳酸法澄清过程建模 | 第34-49页 |
| ·引言 | 第34页 |
| ·支持向量机的基本原理 | 第34-40页 |
| ·统计学习理论 | 第34-36页 |
| ·支持向量分类 | 第36-37页 |
| ·支持向量回归 | 第37-39页 |
| ·SVM的核函数 | 第39-40页 |
| ·最小二乘支持向量回归 | 第40-43页 |
| ·问题描述 | 第40-41页 |
| ·最小二乘法 | 第41页 |
| ·LSSVR算法 | 第41-42页 |
| ·LSSVR计算步骤 | 第42-43页 |
| ·基于LSSVR的澄清过程建模流程 | 第43-46页 |
| ·基于LSSVR的澄清过程生产指标预测 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于PSO-LSSVR的碳酸法澄清过程建模 | 第49-58页 |
| ·引言 | 第49页 |
| ·粒子群优化算法 | 第49-51页 |
| ·PSO算法的原理 | 第49页 |
| ·PSO算法的描述 | 第49-50页 |
| ·PSO算法的参数 | 第50-51页 |
| ·改进的PSO算法 | 第51页 |
| ·基于PSO-LSSVR的澄清过程建模流程 | 第51-52页 |
| ·基于PSO-LSSVR的澄清过程生产指标预测 | 第52-54页 |
| ·基于PSO-LSSVR模型寻找澄清过程工艺参数设定值 | 第54-57页 |
| ·寻找澄清过程工艺参数设定值步骤 | 第54页 |
| ·寻找工艺设定值 | 第54-56页 |
| ·工况样本的筛选 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 碳酸法澄清过程建模的软件设计 | 第58-64页 |
| ·引言 | 第58页 |
| ·碳酸法澄清过程建模软件的设计和实现 | 第58-63页 |
| ·碳酸法澄清过程建模软件的VB主界面 | 第58-59页 |
| ·实时数据管理界面 | 第59-60页 |
| ·组态王监控主界面 | 第60-62页 |
| ·离线数据管理界面 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第七章 结论与展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士期间发表的论文情况 | 第71页 |