首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

常压塔轻柴油凝点软测量模型的研究

摘要第1-3页
Abstract第3-7页
第一章 绪论第7-21页
   ·课题的目的和意义第7-8页
   ·软测量技术第8-13页
     ·软测量技术介绍第8-9页
     ·软测量技术综述第9-12页
       ·二次变量的选择第9-10页
       ·输入数据处理第10页
       ·软测量模型的建立方法第10-11页
       ·软测量模型的在线校正第11-12页
     ·软测量技术在过程控制中的应用和发展趋势第12-13页
   ·工艺背景分析第13-20页
     ·常压蒸馏塔的工艺流程第13-16页
     ·常压蒸馏塔生产需求第16-17页
     ·影响常压塔产品质量的因素第17-18页
     ·软测量模型基本结构的确定第18-20页
   ·论文各部分的主要内容第20-21页
第二章 数据处理和辅助变量的选择第21-35页
   ·统计基础知识第21-22页
     ·总体与样本第21页
     ·基本概念第21-22页
   ·数据处理第22-26页
     ·采集样本时的数据处理第23-24页
     ·数据样本集的处理第24-25页
     ·数据变换第25-26页
   ·相关分析第26-29页
     ·相关系数第27-28页
     ·二线柴油凝点与过程变量之间的相关分析第28-29页
     ·汽油干点与过程变量之间的相关分析第29页
   ·主元分析第29-34页
     ·基本原理第29-31页
     ·PCA 在精选辅助变量的应用第31-32页
     ·PCA 选择辅助变量的应用第32-34页
   ·结论第34-35页
第三章 基于线性回归建立柴油凝点软测量模型第35-46页
   ·回归分析基本概念第35-38页
     ·最小二乘法第35页
     ·一元线性回归求解第35-36页
     ·模型的评价标准第36-38页
   ·多元线性回归第38-42页
     ·基本算法第38-39页
     ·基于多元线性回归建立柴油凝点模型第39-42页
   ·部分最小二乘回归(PLS)第42-45页
     ·基本算法第42-43页
     ·基于 PLS 建立柴油凝点模型第43-45页
   ·结论第45-46页
第四章 基于人工神经元网络建立柴油凝点软测量模型第46-64页
   ·人工神经网络技术第46-51页
     ·人工神经网络的发展第46-47页
     ·人工神经网络的特点第47-48页
     ·人工神经网络的基本特征第48-49页
     ·人工神经网络的应用第49-51页
   ·BP 网络第51-58页
     ·BP 算法第51-53页
     ·BP 网络的设计第53-54页
     ·基于 BP 网络建立柴油凝点软测量模型第54-56页
     ·基于 BP 网络建立汽油干点软测量模型遇到的问题第56-58页
   ·RBF 网络第58-63页
     ·RBF 网络的结构特点第59-60页
     ·RBF 网络的学习和训练方法第60-62页
     ·基于RBF 网络建立柴油凝点的软测量模型第62-63页
   ·结论第63-64页
第五章 模型的实施和校正第64-74页
   ·不同建模方法的比较第64-66页
     ·多元线性回归与部分最小二乘回归第64-65页
     ·基于BP 网络建模与 RBF 网络建模第65-66页
   ·DCS 控制系统第66-70页
     ·Advant DCS 系统的主要特点第66-68页
     ·Advant DCS 系统主要结构第68-69页
     ·先进500 系列工作站第69-70页
   ·软测量模型的实施和在线校正第70-73页
     ·柴油凝点软测量模型的在线运行第70-71页
     ·柴油凝点软测量模型的在线校正第71-73页
   ·结论第73-74页
第六章 结束语第74-77页
   ·论文工作总结第74-75页
   ·软测量技术的研究趋势第75-77页
参考文献第77-79页
发表论文和参加科研情况说明第79-80页
附录第80-88页
致谢第88页

论文共88页,点击 下载论文
上一篇:旅游者信息搜寻努力及影响因素研究
下一篇:网络经济时代企业组织制度创新研究--中国企业面临的思考