| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-13页 |
| 第1章 绪论 | 第13-29页 |
| ·数据驱动方法应用背景 | 第13-15页 |
| ·流程工业特点 | 第13页 |
| ·数据驱动建模方法 | 第13-15页 |
| ·多元统计方法概述 | 第15-21页 |
| ·主元分析方法(PCA) | 第15-17页 |
| ·主曲线(Principal Curve) | 第17-18页 |
| ·偏最小二乘(PLS) | 第18-21页 |
| ·神经网络概述 | 第21-27页 |
| ·神经网络简介 | 第21-22页 |
| ·神经网络分类 | 第22-24页 |
| ·神经网络主要训练算法 | 第24-25页 |
| ·神经网络在流程工业的应用 | 第25-27页 |
| ·本文主要研究工作 | 第27-29页 |
| 第2章 基于DPCA-RBF网络的乙烯聚合过程的建模研究 | 第29-47页 |
| ·引言 | 第29-30页 |
| ·动态PCA理论及算法 | 第30-33页 |
| ·DPCA原理概述 | 第30-31页 |
| ·动态PCA算法 | 第31-33页 |
| ·RBF神经网络理论及算法 | 第33-36页 |
| ·RBF网络结构及原理 | 第33-35页 |
| ·RBF网络学习算法 | 第35-36页 |
| ·基于DPCA-RBF网络的软测量模型 | 第36-39页 |
| ·模型描述及若干细节 | 第36-38页 |
| ·算法实施步骤 | 第38-39页 |
| ·实例研究 | 第39-45页 |
| ·纯函数数据拟合 | 第39-42页 |
| ·乙烯气相聚合过程仿真实验 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 第3章 非线性主元分析模型的比较研究 | 第47-73页 |
| ·引言 | 第47-48页 |
| ·基于五层BP网络的非线性主元分析模型 | 第48-58页 |
| ·BP网络基本结构 | 第48-49页 |
| ·基于五层BP网络的非线性PCA模型 | 第49-53页 |
| ·BP网络算法及其若干细节 | 第53-58页 |
| ·基于主曲线的非线性主元分析模型 | 第58-62页 |
| ·主曲线定义及其相关性质 | 第58-59页 |
| ·基于主曲线的非线性PCA模型 | 第59-61页 |
| ·主曲线算法及其若干细节 | 第61-62页 |
| ·实例研究 | 第62-72页 |
| ·典型非线性函数仿真 | 第62-69页 |
| ·TE过程仿真 | 第69-72页 |
| ·本章小结 | 第72-73页 |
| 第4章 基于主曲线方法的非线性回归研究 | 第73-87页 |
| ·引言 | 第73-74页 |
| ·基于双边信息的主曲线模型 | 第74-78页 |
| ·PLS模型基本思想及其特点分析 | 第74-76页 |
| ·基于衰减信息的主曲线模型 | 第76-78页 |
| ·基于主曲线的非线性回归方法 | 第78-80页 |
| ·算法原理描述 | 第78-79页 |
| ·算法实施步骤 | 第79-80页 |
| ·实例研究 | 第80-85页 |
| ·纯函数数据仿真 | 第80-83页 |
| ·氯乙烯精馏塔仿真实验 | 第83-85页 |
| ·本章小结 | 第85-87页 |
| 第5章 总结与展望 | 第87-91页 |
| ·工作总结 | 第87-88页 |
| ·进一步工作展望 | 第88-91页 |
| 参考文献 | 第91-99页 |
| 作者读研期间完成并参与的论文 | 第99-100页 |
| 作者简介 | 第100页 |