| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-26页 |
| 1.1 研究背景、目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-24页 |
| 1.2.1 实验测定法 | 第11-12页 |
| 1.2.2 半经验缔合模型 | 第12-17页 |
| 1.2.3 人工神经网络模型 | 第17-18页 |
| 1.2.4 支持向量机法 | 第18-22页 |
| 1.2.5 状态方程法 | 第22-24页 |
| 1.3 研究内容及技术路线 | 第24-26页 |
| 第2章 元素硫的物理性质与相态特征 | 第26-30页 |
| 2.1 元素硫的存在状态 | 第26页 |
| 2.2 元素硫的密度 | 第26页 |
| 2.3 元素硫的饱和蒸气压 | 第26-27页 |
| 2.4 元素硫的粘度 | 第27-28页 |
| 2.5 元素硫与高含硫天然气的相态 | 第28-30页 |
| 第3章 支持向量机理论基础 | 第30-47页 |
| 3.1 支持向量机(SVM)的理论基础 | 第30-35页 |
| 3.1.1 线性支持向量回归机 | 第30-33页 |
| 3.1.2 非线性支持向量回归机 | 第33-34页 |
| 3.1.3 最小二乘支持向量机(LSSVM)基本原理 | 第34-35页 |
| 3.2 优化算法理论基础 | 第35-41页 |
| 3.2.1 遗传算法(GA) | 第36-38页 |
| 3.2.2 灰狼算法(GWO) | 第38-41页 |
| 3.3 关联性分析方法 | 第41-45页 |
| 3.3.1 硫溶解度的影响因素 | 第41-42页 |
| 3.3.2 灰色关联方法 | 第42-44页 |
| 3.3.3 Pearson关联方法 | 第44-45页 |
| 3.4 异常点检测理论 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 硫在高含硫天然气中的溶解度模型 | 第47-59页 |
| 4.1 GA-LSSVM模型 | 第47-51页 |
| 4.1.1 数据选取 | 第48-49页 |
| 4.1.2 参数优化 | 第49页 |
| 4.1.3 结果分析 | 第49-50页 |
| 4.1.4 异常点检测 | 第50-51页 |
| 4.2 GWO-LSSVM模型 | 第51-56页 |
| 4.2.1 数据选取 | 第52-53页 |
| 4.2.2 参数优化 | 第53页 |
| 4.2.3 结果分析 | 第53-54页 |
| 4.2.4 异常点检测 | 第54-56页 |
| 4.3 改进的缔合模型 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 硫溶解度模型优选 | 第59-64页 |
| 5.1 参数优化 | 第59-60页 |
| 5.2 结果对比 | 第60-64页 |
| 第6章 结论与建议 | 第64-66页 |
| 6.1 结论 | 第64页 |
| 6.2 建议 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间的学术成果 | 第73-74页 |
| 附录 实验数据及模型计算结果 | 第74-101页 |