多环芳香烃在超临界CO2中的溶解度模型研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-28页 |
| 1.1 研究背景、目的和意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究目的和意义 | 第11页 |
| 1.2 超临界二氧化碳的特性 | 第11-14页 |
| 1.3 国内外研究现状 | 第14-26页 |
| 1.3.1 半经验缔合模型 | 第14-19页 |
| 1.3.2 支持向量机 | 第19-23页 |
| 1.3.3 人工神经网络 | 第23-24页 |
| 1.3.4 状态方程 | 第24-26页 |
| 1.4 本文主要研究内容和技术路线 | 第26-27页 |
| 1.4.1 主要研究内容 | 第26-27页 |
| 1.4.2 技术路线 | 第27页 |
| 1.5 本文主要的创新点 | 第27-28页 |
| 第2章 理论基础 | 第28-37页 |
| 2.1 支持向量机的理论基础 | 第28-31页 |
| 2.1.1 线性支持向量回归机 | 第28-31页 |
| 2.1.2 非线性支持向量回归机 | 第31页 |
| 2.2 优化算法理论基础 | 第31-35页 |
| 2.2.1 遗传算法 | 第33页 |
| 2.2.2 灰狼算法 | 第33-35页 |
| 2.3 异常点检测理论 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 半经验缔合模型预测PAHs的溶解度 | 第37-48页 |
| 3.1 五参数半经验缔合模型的建立 | 第37-42页 |
| 3.1.1 数据选取 | 第40-41页 |
| 3.1.2 结果分析 | 第41-42页 |
| 3.2 六参数半经验缔合模型的建立 | 第42-45页 |
| 3.2.1 数据选取 | 第43页 |
| 3.2.2 结果分析 | 第43-45页 |
| 3.3 半经验缔合模型对比分析 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 SVM模型预测PAHs的溶解度 | 第48-60页 |
| 4.1 基于GA-SVM模型对溶解度的研究 | 第48-53页 |
| 4.1.1 数据选取 | 第49页 |
| 4.1.2 参数优化 | 第49-50页 |
| 4.1.3 结果分析 | 第50-52页 |
| 4.1.4 有效性验证 | 第52-53页 |
| 4.2 基于GWO-SVM模型对溶解度的研究 | 第53-59页 |
| 4.2.1 数据选取 | 第54页 |
| 4.2.2 参数优化 | 第54-55页 |
| 4.2.3 结果分析 | 第55-57页 |
| 4.2.4 有效性验证 | 第57-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第5章 模型优选 | 第60-64页 |
| 5.1 数据选取 | 第60-61页 |
| 5.2 模型对比 | 第61-64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 |
| 符号说明 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-78页 |
| 附录 | 第78-86页 |
| 攻读硕士学位期间发表的论文 | 第86页 |
