摘要 | 第1-6页 |
Abstract | 第6-9页 |
第1章 前言 | 第9-10页 |
第2章 文献综述 | 第10-22页 |
·催化裂化工艺 | 第10-14页 |
·催化裂化反应 | 第10-11页 |
·催化裂化催化剂 | 第11-12页 |
·催化裂化装置与家族工艺 | 第12-14页 |
·催化裂化产率预测模型 | 第14-19页 |
·集总动力学模型 | 第15-17页 |
·分子动力学模型 | 第17页 |
·关联模型 | 第17-19页 |
·催化裂化工艺优化 | 第19-20页 |
·离线优化 | 第19页 |
·在线优化 | 第19-20页 |
·本文研究目的和内容 | 第20-22页 |
第3章 MIP工艺流程和样本整定 | 第22-26页 |
·MIP工艺流程 | 第22-23页 |
·建模样本整定 | 第23-26页 |
第4章 基于神经网络的汽油产率预测模型 | 第26-57页 |
·神经网络输入变量筛选 | 第26-37页 |
·基于工艺经验的输入变量筛选 | 第26-30页 |
·操作变量相关性分析 | 第30-37页 |
·数据归一化及模型评价指标 | 第37-38页 |
·数据归一化 | 第37-38页 |
·模型评价指标 | 第38页 |
·基于神经网络的汽油产率预测模型 | 第38-55页 |
·基于遗传算法优化的BP神经网络的汽油产率预测模型 | 第38-43页 |
·基于单个GRNN的汽油产率预测模型 | 第43-47页 |
·基于集成GRNN的汽油产率预测模型 | 第47-55页 |
·本章小结 | 第55-57页 |
第5章 基于智能优化算法的汽油产率优化 | 第57-69页 |
·基于改进的遗传算法的汽油产率优化 | 第59-65页 |
·遗传算法原理及其应用 | 第59-60页 |
·改进的遗传算法用于汽油产率优化 | 第60-65页 |
·基于模拟退火算法的汽油产率优化 | 第65-68页 |
·模拟退火算法及其应用 | 第65-66页 |
·模拟退火算法用于汽油产率优化 | 第66-68页 |
·本章小结 | 第68-69页 |
第6章 结论 | 第69-70页 |
参考文献 | 第70-77页 |
读硕士期间发表的学术论文 | 第77-78页 |
致谢 | 第78页 |