| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-24页 |
| ·软测量技术及智能优化算法的研究意义 | 第12-13页 |
| ·软测量技术研究现状 | 第13-15页 |
| ·辅助变量的选择 | 第13页 |
| ·数据采集和处理 | 第13-14页 |
| ·软测量模型的建立 | 第14-15页 |
| ·软测量模型校正 | 第15页 |
| ·软测量技术建模方法概述 | 第15-19页 |
| ·传统建模方法 | 第15-16页 |
| ·基于统计分析的方法 | 第16-17页 |
| ·基于人工神经网络的建模方法 | 第17-18页 |
| ·基于统计学习理论的建模方法 | 第18-19页 |
| ·多模型建模方法 | 第19页 |
| ·智能优化算法的发展及在软测量中的应用现状 | 第19-22页 |
| ·论文主要内容及章节安排 | 第22-24页 |
| 第2章 软测量建模方法及优化算法简介 | 第24-33页 |
| ·RBF神经网络 | 第24-26页 |
| ·LS-SVM算法 | 第26-27页 |
| ·粒子群算法 | 第27-28页 |
| ·遗传算法 | 第28-29页 |
| ·细菌觅食算法 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 细菌觅食粒子群混合算法及在软测量建模中的应用 | 第33-41页 |
| ·引言 | 第33页 |
| ·细菌觅食粒子群混合算法(BSOA) | 第33-37页 |
| ·BSOA思想的提出 | 第33-34页 |
| ·BSOA算法流程 | 第34-35页 |
| ·算法性能对比 | 第35-37页 |
| ·基于BSOA-LSSVM的软测量建模 | 第37-40页 |
| ·成品油研究法辛烷值工业背景简介 | 第37页 |
| ·辅助变量的选取 | 第37-38页 |
| ·预测模型的建立 | 第38页 |
| ·仿真结果分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 自适应细菌觅食遗传混合算法在多模型软测量建模中的应用 | 第41-55页 |
| ·引言 | 第41-42页 |
| ·自适应细菌觅食遗传混合算法(ABFGA) | 第42-45页 |
| ·ABFGA思想的提出 | 第42-43页 |
| ·ABFGA算法流程 | 第43-44页 |
| ·算法性能对比 | 第44-45页 |
| ·模糊C均值聚类(FCM) | 第45-47页 |
| ·基于FCM的混合多模型软测量方法 | 第47-49页 |
| ·基于FCM的混合多模型软测量建模方法的思想 | 第47-48页 |
| ·基于FCM的混合多模型软测量建模步骤 | 第48-49页 |
| ·业实例仿真应用 | 第49-53页 |
| ·乙烯精馏塔工艺分析 | 第49页 |
| ·辅助变量选择及数据预处理 | 第49-50页 |
| ·ABFGA在混合多模型参数优化中的应用及仿真分析 | 第50-53页 |
| ·本章小结 | 第53-55页 |
| 结论与展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第63-64页 |
| 附录B 部分精馏塔塔釜乙烯浓度数据 | 第64-67页 |
