| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 立题背景及意义 | 第8-10页 |
| 1.2 课题国内外研究现状 | 第10-16页 |
| 1.2.1 软测量模型概述与发展动态分析 | 第10-11页 |
| 1.2.2 数据驱动建模研究的主要关注点 | 第11-14页 |
| 1.2.3 带时滞估计的软测量建模研究现状 | 第14-16页 |
| 1.3 本文主要研究工作和内容安排 | 第16-18页 |
| 第二章 基于模糊曲线分析的TDGPR软测量建模 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 时滞问题描述 | 第18-19页 |
| 2.3 TDGPR策略的提出 | 第19-21页 |
| 2.3.1 GPR算法基本原理 | 第19-20页 |
| 2.3.2 TD模型基本思想 | 第20-21页 |
| 2.3.3 TDGPR建模流程 | 第21页 |
| 2.4 含变量时滞估计的TDGPR方法 | 第21-23页 |
| 2.4.1 基于模糊曲线分析的变量时滞估计 | 第21-22页 |
| 2.4.2 FCA-TDGPR建模方法步骤 | 第22-23页 |
| 2.5 仿真分析与讨论 | 第23-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 选择性集成LTDGPR模型的自适应软测量建模 | 第28-39页 |
| 3.1 引言 | 第28页 |
| 3.2 选择性集成学习的原理 | 第28-30页 |
| 3.3 LTDGPR模型建立方法 | 第30-33页 |
| 3.3.1 建模数据预处理 | 第30-31页 |
| 3.3.2 时间差数据的自适应局部划分 | 第31-33页 |
| 3.4 在线模型的选择集成策略 | 第33-35页 |
| 3.5 基于选择性集成策略的LTDGPR方法建模步骤 | 第35-36页 |
| 3.6 仿真分析与讨论 | 第36-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 基于局部时滞重构的滑动窗TDGPR自适应建模 | 第39-54页 |
| 4.1 引言 | 第39页 |
| 4.2 建模方法 | 第39-44页 |
| 4.2.1 滑动窗学习机制 | 第39-41页 |
| 4.2.2 基于FCA的局部时滞重构 | 第41-42页 |
| 4.2.3 考虑局部时滞重构的自适应TDGPR建模流程 | 第42-44页 |
| 4.3 仿真分析与讨论 | 第44-53页 |
| 4.3.1 硫回收装置过程 | 第44-50页 |
| 4.3.2 脱丁烷塔过程 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54-55页 |
| 5.2 前景展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第62页 |
