基于RBF神经网络的智能仿生建模及其在聚丙烯生产过程中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-25页 |
| ·引言 | 第7页 |
| ·丙烯聚合工业及熔融指数的预报 | 第7-15页 |
| ·聚合工业 | 第7-8页 |
| ·聚丙烯 | 第8-11页 |
| ·丙烯聚合生产工艺 | 第11-12页 |
| ·熔融指数 | 第12-13页 |
| ·MI预报国内外研究现状 | 第13-15页 |
| ·统计建模方法 | 第15-17页 |
| ·工业过程中的几个问题 | 第15-16页 |
| ·通过统计建模解决工业过程中的问题 | 第16-17页 |
| ·统计学习理论和支持向量机 | 第17页 |
| ·智能仿生方法 | 第17-22页 |
| ·人工智能 | 第18-19页 |
| ·智能仿生 | 第19-22页 |
| ·本文研究意义及结构 | 第22-25页 |
| ·本文研究意义 | 第22-23页 |
| ·本文结构 | 第23-25页 |
| 第2章 PCA-RBF神经网络模型的建立 | 第25-41页 |
| ·RBF神经网络方法 | 第25-28页 |
| ·结构原理 | 第26-27页 |
| ·RBF神经网络与 BP神经网络的比较 | 第27-28页 |
| ·主元分析法 | 第28-32页 |
| ·问题的提出 | 第28-29页 |
| ·多维推广 | 第29-32页 |
| ·贡献率和累积贡献率 | 第32页 |
| ·PCA-RBF神经网络模型在MI预报中的应用 | 第32-39页 |
| ·丙烯聚合生产过程 | 第32-33页 |
| ·过程变量的确定 | 第33-34页 |
| ·建模数据的采集和最小样本数的确定 | 第34页 |
| ·预报模型评价指标 | 第34-35页 |
| ·MI预报的PCA-RBF神经网络建模 | 第35-37页 |
| ·仿真结果与分析 | 第37-39页 |
| ·小结 | 第39-41页 |
| 第3章 混沌方法和 PCR建模研究 | 第41-55页 |
| ·混沌理论 | 第41-44页 |
| ·简介 | 第41-42页 |
| ·混沌理论的发展及应用现状 | 第42-44页 |
| ·混沌寻优 | 第44-48页 |
| ·Logistic映射函数 | 第44页 |
| ·混沌寻优算法实施步骤 | 第44-48页 |
| ·PCR建模方法及其在 MI预报中的应用 | 第48-52页 |
| ·PCR模型建立 | 第48-49页 |
| ·仿真结果与分析 | 第49-52页 |
| ·与国内外研究结果的比较分析 | 第52-53页 |
| ·小结 | 第53-55页 |
| 第4章 遗传算法和 PCGR建模研究 | 第55-71页 |
| ·遗传算法 | 第55-60页 |
| ·遗传算法简介 | 第55-57页 |
| ·遗传算法的核心内容 | 第57-60页 |
| ·遗传算法的具体实施步骤 | 第60页 |
| ·PCGR建模方法及其在 MI预报中的应用 | 第60-66页 |
| ·模型建立 | 第60-63页 |
| ·仿真结果与分析 | 第63-66页 |
| ·PGR建模方法及其在 MI预报中的应用 | 第66-68页 |
| ·与国内外研究结果的比较 | 第68-70页 |
| ·小结 | 第70-71页 |
| 第5章 总结与展望 | 第71-77页 |
| ·全文工作总结 | 第71-74页 |
| ·本文主要工作及贡献 | 第71-72页 |
| ·本文方法及国内外研究结果的比较 | 第72-74页 |
| ·今后工作展望 | 第74-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者攻读硕士期间的成果 | 第83页 |
