| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.2 研究现状 | 第16-21页 |
| 1.2.1 加氢装置建模研究现状 | 第16-19页 |
| 1.2.2 RNN/LSTM研究现状 | 第19-21页 |
| 1.3 主要研究内容 | 第21-24页 |
| 1.3.1 研究对象 | 第21-23页 |
| 1.3.2 研究思路 | 第23-24页 |
| 1.4 本文的内容安排 | 第24-26页 |
| 第二章 基于数据的新氢流量预测建模方法 | 第26-38页 |
| 2.1 引言 | 第26页 |
| 2.2 数据标准化 | 第26-27页 |
| 2.2.1 min-max标准化 | 第26页 |
| 2.2.2 0均值标准化 | 第26-27页 |
| 2.3 特征选择方法 | 第27-28页 |
| 2.3.1 相关系数法 | 第27页 |
| 2.3.2 决策树 | 第27页 |
| 2.3.3 LASSO | 第27-28页 |
| 2.3.4 递归特征消除 | 第28页 |
| 2.4 建模方法 | 第28-35页 |
| 2.4.1 支持向量回归 | 第28页 |
| 2.4.2 反向传播人工神经网络 | 第28-29页 |
| 2.4.3 循环神经网络 | 第29-32页 |
| 2.4.4 长短期记忆神经网络 | 第32-35页 |
| 2.5 模型性能评价指标 | 第35-36页 |
| 2.5.1 校正标准偏差 | 第35-36页 |
| 2.5.2 预测标准偏差 | 第36页 |
| 2.5.3 平均绝对百分比误差 | 第36页 |
| 2.6 本章小结 | 第36-38页 |
| 第三章 基于LSTM的新氢流量预测模型及改进 | 第38-64页 |
| 3.1 问题描述 | 第38页 |
| 3.2 数据预处理 | 第38页 |
| 3.2.1 数据集介绍 | 第38页 |
| 3.2.2 数据标准化 | 第38页 |
| 3.3 基于LSTM的新氢流量预测模型 | 第38-47页 |
| 3.3.1 时间序列处理 | 第38-39页 |
| 3.3.2 模型建立 | 第39-43页 |
| 3.3.3 模型参数优化 | 第43-47页 |
| 3.4 其他新氢流量预测模型建立与分析 | 第47-57页 |
| 3.4.1 支持向量回归 | 第47-50页 |
| 3.4.2 BP人工神经网络 | 第50-53页 |
| 3.4.3 循环神经网络 | 第53-57页 |
| 3.4.4 比较与分析 | 第57页 |
| 3.5 基于CC-LASSO-LSTM的新氢流量预测模型 | 第57-63页 |
| 3.5.2 模型建立与优化 | 第59-63页 |
| 3.5.3 比较与分析 | 第63页 |
| 3.6 本章小结 | 第63-64页 |
| 第四章 基于自适应CC-LASSO-LSTM的新氢流量预测模型 | 第64-76页 |
| 4.1 问题描述 | 第64-66页 |
| 4.2 自适应CC-LASSO-LSTM模型 | 第66-71页 |
| 4.2.1 自适应LSTM模型结构 | 第66-67页 |
| 4.2.2 算法流程 | 第67-71页 |
| 4.3 模型建立与分析 | 第71-75页 |
| 4.3.1 数据集划分 | 第71页 |
| 4.3.2 建模与分析 | 第71-74页 |
| 4.3.3 模型优化 | 第74-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第五章 基于WEB的新氢流量预测平台 | 第76-86页 |
| 5.1 引言 | 第76页 |
| 5.2 平台架构 | 第76-78页 |
| 5.2.1 B/S模式 | 第76-77页 |
| 5.2.2 三层框架 | 第77-78页 |
| 5.3 平台实现技术与开发语言 | 第78-80页 |
| 5.3.1 JSP技术 | 第78-79页 |
| 5.3.2 超文本标记语言HTML | 第79页 |
| 5.3.3 层叠样式表CSS | 第79页 |
| 5.3.4 脚本语言JavaScript | 第79-80页 |
| 5.3.5 数据库接口DAO | 第80页 |
| 5.3.6 结构查询语言SQL | 第80页 |
| 5.4 平台开发工具及运行环境 | 第80-81页 |
| 5.4.1 开发工具 | 第80页 |
| 5.4.2 运行环境 | 第80-81页 |
| 5.5 平台功能模块及运行展示 | 第81-84页 |
| 5.5.1 用户登录模块 | 第81页 |
| 5.5.2 数据显示模块 | 第81-82页 |
| 5.5.3 新氢流量预测模块 | 第82-84页 |
| 5.5.4 消息通知模块 | 第84页 |
| 5.6 本章小结 | 第84-86页 |
| 第六章 总结与展望 | 第86-88页 |
| 6.1 总结 | 第86页 |
| 6.2 展望 | 第86-88页 |
| 参考文献 | 第88-96页 |
| 攻读硕士学位期间主要的研究成果 | 第96页 |