神经网络控制在氯丁橡胶门尼粘度最优预报中的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-21页 |
| ·选题背景及研究意义 | 第13-14页 |
| ·国内外研究现状 | 第14-18页 |
| ·软测量技术简介 | 第15-16页 |
| ·人工神经网络 | 第16-18页 |
| ·可行性分析 | 第18-19页 |
| ·研究任务 | 第19页 |
| ·论文内容与结构安排 | 第19-21页 |
| 第二章 氯丁橡胶的生产工艺简介及样本数据采集 | 第21-27页 |
| ·氯丁橡胶的工艺机理 | 第21-23页 |
| ·门尼粘度的影响因素分析 | 第23-24页 |
| ·样本数据的采集 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 辅助变量的选择及数据预处理 | 第27-39页 |
| ·数据预处理 | 第27-28页 |
| ·误差处理 | 第27页 |
| ·数据归一化 | 第27-28页 |
| ·辅助变量的选择 | 第28-36页 |
| ·主成分分析 | 第28-29页 |
| ·主成分分析步骤 | 第29-30页 |
| ·氯丁橡胶门尼粘度的主成分分析 | 第30-36页 |
| ·本章小结 | 第36-39页 |
| 第四章 神经网络氯丁橡胶门尼粘度预测的建模 | 第39-51页 |
| ·BP神经网络及其算法描述 | 第39-43页 |
| ·神经网络学习方法 | 第39页 |
| ·神经网络的训练过程 | 第39-40页 |
| ·BP神经网络算法公式推导 | 第40-43页 |
| ·氯丁橡胶门尼粘度预测模型建模路线 | 第43-44页 |
| ·氯丁橡胶门尼粘度建模软件分析 | 第44-45页 |
| ·氯丁橡胶门尼粘度预测模型的结构设计 | 第45-46页 |
| ·BP神经网络程序的实现 | 第46-49页 |
| ·网络的构建 | 第47-48页 |
| ·网络的训练 | 第48-49页 |
| ·BP神经网络的仿真和预测 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第五章 神经网络建模预测结果分析 | 第51-71页 |
| ·模型结果分析 | 第51-59页 |
| ·全元法模型结果分析 | 第51-54页 |
| ·主元法模型结果分析 | 第54-56页 |
| ·要元法模型结果分析 | 第56-59页 |
| ·BP网络预测模型比较及优化 | 第59-65页 |
| ·BP网络预测模型的比较 | 第59-60页 |
| ·BP网络预测模型的优化 | 第60-65页 |
| ·模型的效果检查 | 第65-68页 |
| ·模型的校正 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 研究成果及发表的学术论文 | 第79-81页 |
| 作者及导师简介 | 第81页 |
