| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-17页 |
| ·研究意义及背景 | 第11页 |
| ·数据挖掘在工业过程建模中的研究现状 | 第11-13页 |
| ·煤造气工艺流程简介 | 第13-15页 |
| ·本文主要工作 | 第15-17页 |
| 2 数据挖掘理论基础 | 第17-27页 |
| ·数据挖掘与知识发现概述 | 第17-18页 |
| ·层次聚类算法 | 第18-22页 |
| ·聚类算法中的统计量 | 第20-22页 |
| ·层次聚类算法分类及步骤 | 第22页 |
| ·属性相关分析 | 第22-24页 |
| ·数据预处理 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 3 常用建模方法的基本理论 | 第27-33页 |
| ·多元线性回归建模 | 第28-29页 |
| ·滑动平均外生自回归建模 | 第29-30页 |
| ·基于主成分分析的BP神经网络建模 | 第30-32页 |
| ·主成分分析 | 第30-31页 |
| ·PCA-BP算法步骤 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 结合神经网络的线性建模方法 | 第33-43页 |
| ·结合BP神经网络的线性建模方法 | 第33-39页 |
| ·BP神经网络概述 | 第33-34页 |
| ·结合BP神经网络的多元线性回归建模方法 | 第34-37页 |
| ·结合BP神经网络的动态线性建模方法 | 第37-39页 |
| ·结合RBF神经网络的线性建模方法 | 第39-42页 |
| ·RBF神经网络基本原理 | 第39-40页 |
| ·结合RBF神经网络的多元线性回归建模方法 | 第40-41页 |
| ·结合RBF神经网络的动态线性建模方法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 结合神经网络的线性建模方法在煤造气系统中的应用 | 第43-79页 |
| ·造气系统数据清洗与补偿 | 第43-47页 |
| ·相关性分析 | 第47-49页 |
| ·多种建模算法在煤造气系统中的仿真结果 | 第49-73页 |
| ·多元线性回归建模仿真结果 | 第49-53页 |
| ·ARMAX模型仿真结果 | 第53-60页 |
| ·PCA-BP模型仿真结果 | 第60-63页 |
| ·结合BP神经网络的线性建模仿真结果 | 第63-69页 |
| ·结合RBF神经网络的线性建模仿真结果 | 第69-73页 |
| ·仿真结果分析 | 第73-77页 |
| ·本章小结 | 第77-79页 |
| 6 结论与展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 附录 | 第85-87页 |
| 作者简历 | 第87-91页 |
| 学位论文数据集 | 第91页 |