化工企业烧碱产量预测的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8-10页 |
| ·我国能源消耗概要 | 第8-9页 |
| ·化工企业的能源消耗分析 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·研究内容 | 第12页 |
| ·论文结构安排 | 第12-14页 |
| 第二章 烧碱产量预测理论基础 | 第14-30页 |
| ·人工神经网络概述 | 第14-19页 |
| ·神经元模型 | 第14-16页 |
| ·人工神经网络的结构 | 第16-17页 |
| ·人工神经网络的学习方式 | 第17-18页 |
| ·人工神经网络的基本性质及应用 | 第18-19页 |
| ·BP神经网络概述 | 第19-22页 |
| ·BP网络模型 | 第20-21页 |
| ·BP学习算法 | 第21-22页 |
| ·粒子群优化算法概述 | 第22-26页 |
| ·粒子群优化算法的生物学模型 | 第23页 |
| ·粒子群优化算法的基本模型 | 第23-25页 |
| ·粒子群优化算法的算法流程 | 第25-26页 |
| ·布谷鸟搜索算法概述 | 第26-29页 |
| ·布谷鸟搜索算法的生物学原理 | 第26-27页 |
| ·布谷鸟搜索算法的数学原理 | 第27-28页 |
| ·布谷鸟搜索算法的基本流程 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于施密特正交马田系统的数据处理 | 第30-40页 |
| ·数据特性分析 | 第30-31页 |
| ·施密特正交马田系统 | 第31-33页 |
| ·数据处理 | 第33-35页 |
| ·烧碱产量BP神经网络仿真分析 | 第35-39页 |
| ·BP神经网络预测模型的建立 | 第35-36页 |
| ·BP神经网络结构的确定 | 第36页 |
| ·BP神经网络隐含层节点数目的确定 | 第36-37页 |
| ·BP神经网络预测结果及分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于优化算法的BP神经网络产量预测 | 第40-54页 |
| ·基于粒子群优化算法的BP神经网络预测模型 | 第40-46页 |
| ·算法流程 | 第40-42页 |
| ·模型结构的确定 | 第42页 |
| ·预测结果及分析 | 第42-46页 |
| ·基于布谷鸟搜索算法的BP神经网络预测模型 | 第46-50页 |
| ·算法流程 | 第46-47页 |
| ·模型结构的确定 | 第47页 |
| ·预测结果及分析 | 第47-50页 |
| ·三种预测算法的仿真结果对比分析 | 第50-53页 |
| ·预测误差分析 | 第50-51页 |
| ·三种预测算法仿真分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 结论与展望 | 第54-56页 |
| ·本课题研究总结 | 第54-55页 |
| ·未来工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间所取得的相关科研成果 | 第60-61页 |
| 致谢 | 第61页 |
