| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题背景和意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 神经网络与深度学习领域研究现状 | 第13-15页 |
| 1.2.2 特征提取领域研究现状 | 第15-16页 |
| 1.3 课题内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 基于FAHP的RBF神经网络 | 第19-31页 |
| 2.1 前馈神经网络 | 第19-24页 |
| 2.1.1 神经网络生物学机制 | 第19-20页 |
| 2.1.2 人工神经网络算法 | 第20-21页 |
| 2.1.3 径向基函数神经网络 | 第21-24页 |
| 2.2 FAHP算法 | 第24-26页 |
| 2.2.1 FCM聚类算法 | 第24-25页 |
| 2.2.2 下侧关联函数 | 第25页 |
| 2.2.3 数据驱动型AHP算法 | 第25-26页 |
| 2.3 FAHP-RBF神经网络 | 第26-28页 |
| 2.4 实验验证 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 深度RBF神经网络 | 第31-37页 |
| 3.1 深度神经网络与深度学习 | 第31页 |
| 3.2 基于RBF的特征提取模块 | 第31-33页 |
| 3.2.1 自编码器 | 第31-32页 |
| 3.2.2 基于RBF构建自编码器 | 第32-33页 |
| 3.3 深度RBF网络训练过程 | 第33-35页 |
| 3.4 实验验证 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 复杂化工领域的实例应用 | 第37-49页 |
| 4.1 复杂化工领域分析 | 第37页 |
| 4.2 乙烯生产过程的预测建模 | 第37-43页 |
| 4.2.1 乙烯装置生产能力预测 | 第37-41页 |
| 4.2.2 乙烯生产装置能效分析 | 第41-43页 |
| 4.3 PTA溶剂系统的预测建模 | 第43-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 复杂化工生产状况分析原型系统设计与构建 | 第49-57页 |
| 5.1 系统设计 | 第49-50页 |
| 5.1.1 系统开发所需技术 | 第49页 |
| 5.1.2 系统整体架构 | 第49-50页 |
| 5.2 系统功能整体设计 | 第50-51页 |
| 5.3 系统模块设计 | 第51-55页 |
| 5.3.1 化工数据统计分析模块 | 第51-52页 |
| 5.3.2 乙烯生产预测建模与能效分析 | 第52-54页 |
| 5.3.3 PTA溶剂系统塔顶醋酸含量预测与操作指导 | 第54-55页 |
| 5.4 本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 研究成果及发表的学术论文 | 第65-67页 |
| 作者和导师简介 | 第67-69页 |
| 附件 | 第69-70页 |