| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 选题背景 | 第13-14页 |
| 1.2 选题意义 | 第14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.3.1 变量选择方法研究现状 | 第15-17页 |
| 1.3.2 预测建模方法研究现状 | 第17-18页 |
| 1.4 本文需要解决的问题 | 第18页 |
| 1.5 论文技术路线与研究内容 | 第18-21页 |
| 第2章 基于工业复杂数据的变量选择方法 | 第21-41页 |
| 2.1 引言 | 第21-22页 |
| 2.2 变量选择评价指标 | 第22-23页 |
| 2.2.1 模型选取准则 | 第22-23页 |
| 2.2.2 拟合优度 | 第23页 |
| 2.3 相关性分析变量选择方法 | 第23-25页 |
| 2.4 MINLP变量选择方法 | 第25页 |
| 2.5 GA-PLS及GA-NLP方法 | 第25-30页 |
| 2.5.1 GA-PLS方法 | 第26-27页 |
| 2.5.2 GA-NLP方法 | 第27-30页 |
| 2.6 仿真实验 | 第30-39页 |
| 2.6.1 数据描述 | 第30页 |
| 2.6.2 不同方法的变量选择结果 | 第30-39页 |
| 2.7 本章小结 | 第39-41页 |
| 第3章 基于自适应移动窗口的预测建模方法 | 第41-53页 |
| 3.1 引言 | 第41-42页 |
| 3.2 预测模型的建立 | 第42-46页 |
| 3.2.1 神经网络建模原理 | 第42-43页 |
| 3.2.2 自适应移动窗口(AMW)建模 | 第43-46页 |
| 3.3 仿真实验案例 | 第46-50页 |
| 3.3.1 TE化工过程描述 | 第46-48页 |
| 3.3.2 结果分析 | 第48-50页 |
| 3.4 本章小结 | 第50-53页 |
| 第4章 基于GA-NLP变量选择的自适应预测建模方法研究 | 第53-59页 |
| 4.1 引言 | 第53页 |
| 4.2 基于GA-NLP的SVR-AMW预测建模方法 | 第53-55页 |
| 4.3 仿真实验 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-69页 |
| 致谢 | 第69-70页 |
| 学位论文评阅及答辩情况表 | 第70页 |