| 第一章 绪论 | 第1-21页 |
| 1．1 引言 | 第14-15页 |
| 1．2 系统建模 | 第15-17页 |
| 1．3 常用的建模方法 | 第17-19页 |
| 1．4 研究内容组织 | 第19-21页 |
| 第二章 神经元网络建模 | 第21-40页 |
| 2．1 神经元网络的发展 | 第21-22页 |
| 2．2 多层前传网模型 | 第22-34页 |
| 2．2．1 网络结构 | 第23-24页 |
| 2．2．2 网络的工作方式 | 第24-25页 |
| 2．2．3 目标函数和训练算法 | 第25-30页 |
| 2．2．3．1 目标函数 | 第25-26页 |
| 2．2．3．2 BP算法 | 第26-28页 |
| 2．2．3．3 LM算法 | 第28-30页 |
| 2．2．4 样本预处理 | 第30-31页 |
| 2．2．5 模型的性能指标 | 第31-32页 |
| 2．2．6 过拟合问题 | 第32-34页 |
| 2．3 实例验证 | 第34-38页 |
| 2．3．1 原油实沸点曲线的建模 | 第34-37页 |
| 2．3．2 压力—熵曲线的建模 | 第37-38页 |
| 2．4 分析与讨论 | 第38-39页 |
| 2．5 小结 | 第39-40页 |
| 第三章 基于先验知识的神经元网络建模 | 第40-47页 |
| 3．1 先验知识 | 第40-41页 |
| 3．1．1 先验知识的定义 | 第40页 |
| 3．1．2 先验知识与机理建模、非机理建模之间的关系 | 第40-41页 |
| 3．2 基于先验知识的神经元网络建模方法 | 第41-42页 |
| 3．3 J．PF方法 | 第42-44页 |
| 3．4 实例验证 | 第44-45页 |
| 3．5 小结 | 第45-47页 |
| 第四章 结构约束方法 | 第47-52页 |
| 4．1 指数权法 | 第47-48页 |
| 4．2 实例验证 | 第48-49页 |
| 4．3 结果分析 | 第49-50页 |
| 4．4 小结 | 第50-52页 |
| 第五章 权值约束法 | 第52-82页 |
| 5．1 有约束优化方法 | 第52-55页 |
| 5．1．1 网络训练与优化问题的关系 | 第52页 |
| 5．1．2 网络优化问题的求解 | 第52-53页 |
| 5．1．3 实例验证 | 第53-55页 |
| 5．1．4 结果讨论 | 第55页 |
| 5．2 自适应方法 | 第55-60页 |
| 5．2．1 系统论和系统科学 | 第55-57页 |
| 5．2．2 网络训练与系统进化的对应关系 | 第57页 |
| 5．2．3 基于LM算法的自适应训练算法 | 第57-58页 |
| 5．2．4 实例验证 | 第58-59页 |
| 5．2．5 结果分析 | 第59-60页 |
| 5．3 改进的差分进化算法 | 第60-81页 |
| 5．3．1 遗传算法与生物进化 | 第60-64页 |
| 5．3．2 差分进化算法与NC-DET算法 | 第64-67页 |
| 5．3．3 基于先验知识的差分进化算法 | 第67-68页 |
| 5．3．4 改进的差分进化算法 | 第68-74页 |
| 5．3．4．1 flip操作 | 第68-69页 |
| 5．3．4．2 LMD策略 | 第69-71页 |
| 5．3．4．3 RP策略 | 第71-72页 |
| 5．3．4．4 IDEP算法 | 第72-74页 |
| 5．3．5 实例验证 | 第74-78页 |
| 5．3．5．1 原油实沸点曲线的建模 | 第74-77页 |
| 5．3．5．2 压力—熵曲线的建模 | 第77-78页 |
| 5．3．6 IDEP算法分析 | 第78-81页 |
| 5．3．6．1 IDEP算法的三个部分 | 第78-79页 |
| 5．3．6．2 从先验知识的角度讨论IDEP算法 | 第79-80页 |
| 5．3．6．3 从训练算法的角度讨论IDEP算法 | 第80页 |
| 5．3．6．4 IDEP算法研究工作展望 | 第80-81页 |
| 5．4 小结 | 第81-82页 |
| 第六章 数据约束法 | 第82-87页 |
| 6．1 插值点法 | 第82-84页 |
| 6．1．1 基本思想 | 第82-83页 |
| 6．1．2 训练算法 | 第83-84页 |
| 6．2 实例验证 | 第84-85页 |
| 6．3 结果分析与讨论 | 第85-86页 |
| 6．4 小结 | 第86-87页 |
| 第七章 杂交算法 | 第87-100页 |
| 7．1 杂交算法的基本思想 | 第87页 |
| 7．2 设计杂交算法 | 第87-91页 |
| 7．2．1 现有算法的拟合能力与预测能力 | 第87-89页 |
| 7．2．2 设计杂交算法 | 第89-91页 |
| 7．3 两种杂交算法 | 第91-99页 |
| 7．3．1 IO算法 | 第91-92页 |
| 7．3．2 IPF算法 | 第92页 |
| 7．3．3 实例验证 | 第92-97页 |
| 7．3．2．1 原油实沸点曲线的建模 | 第92-95页 |
| 7．3．2．2 压力—熵曲线的建模 | 第95-97页 |
| 7．3．4 算法分析与讨论 | 第97-99页 |
| 7．3．4．1 IO算法讨论 | 第97页 |
| 7．3．4．2 IPF算法讨论 | 第97-98页 |
| 7．3．4．3 IO与IPF方法的两种变体 | 第98-99页 |
| 7．4 小结 | 第99-100页 |
| 第八章 总结与展望 | 第100-105页 |
| 8．1 本文工作小结 | 第100-102页 |
| 8．2 今后的研究发展方向 | 第102-105页 |
| 参考文献 | 第105-112页 |
| 致谢 | 第112-113页 |
| 作者攻读硕士学位期间完成的论文及科研项目 | 第113页 |
| 论文 | 第113页 |
| 科研项目 | 第113页 |