温度预测智能算法在工业控制中的设计与实现
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 温度预测国内外研究现状 | 第11-12页 |
| 1.2.1 温度预测国内研究现状 | 第11-12页 |
| 1.2.2 温度预测国外研究现状 | 第12页 |
| 1.3 论文研究内容及论文结构 | 第12-14页 |
| 第2章 相关技术 | 第14-20页 |
| 2.1 Apriori算法原理 | 第14-15页 |
| 2.2 BP神经网络 | 第15-18页 |
| 2.3 多元线性回归 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 温度预测系统需求分析 | 第20-30页 |
| 3.1 问题背景 | 第20-21页 |
| 3.2 工业控制系统结构分析 | 第21-22页 |
| 3.3 温度变化影响因素分析 | 第22-25页 |
| 3.3.1 反应釜实体分析 | 第22-24页 |
| 3.3.2 工厂环境分析 | 第24页 |
| 3.3.3 影响因素总结 | 第24-25页 |
| 3.4 用例分析 | 第25-28页 |
| 3.4.1 登录功能 | 第26页 |
| 3.4.2 参数设定功能 | 第26-27页 |
| 3.4.3 模型训练功能 | 第27页 |
| 3.4.4 温度预测功能 | 第27-28页 |
| 3.5 本章小结 | 第28-30页 |
| 第4章 温度预测智能算法设计 | 第30-46页 |
| 4.1 温度预测智能算法总体设计 | 第30-31页 |
| 4.2 特征值选择 | 第31-35页 |
| 4.2.1 数据预处理 | 第32-33页 |
| 4.2.2 Apriori算法仿真 | 第33-35页 |
| 4.3 初步预测算法 | 第35-43页 |
| 4.3.1 多元线性回归 | 第37-39页 |
| 4.3.2 BP神经网络 | 第39-43页 |
| 4.4 误差校正 | 第43-44页 |
| 4.5 温度预测智能算法仿真 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 温度预测系统设计 | 第46-62页 |
| 5.1 总体结构设计 | 第46-50页 |
| 5.2 模块详细设计 | 第50-57页 |
| 5.2.1 登录模块 | 第50-51页 |
| 5.2.2 参数设定模块 | 第51-53页 |
| 5.2.3 模型训练模块 | 第53-56页 |
| 5.2.4 温度预测模块 | 第56-57页 |
| 5.3 系统数据结构设计 | 第57-61页 |
| 5.3.1 逻辑结构设计 | 第58-59页 |
| 5.3.2 物理结构设计 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 温度预测系统实现及测试 | 第62-72页 |
| 6.1 系统实现配置环境 | 第62页 |
| 6.2 各模块代码实现 | 第62-68页 |
| 6.2.1 登录模块的实现 | 第62-63页 |
| 6.2.2 参数设定模块的实现 | 第63-65页 |
| 6.2.3 模型训练模块的实现 | 第65-67页 |
| 6.2.4 温度预测模块的实现 | 第67-68页 |
| 6.3 软件测试 | 第68-70页 |
| 6.3.1 测试环境 | 第68页 |
| 6.3.2 测试用例 | 第68-69页 |
| 6.3.3 测试结果 | 第69-70页 |
| 6.4 本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-80页 |
| 致谢 | 第80-81页 |
