集成支持向量回归及其在填料塔液泛气速预测的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 缩略语列表 | 第10-11页 |
| 符号说明 | 第11-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景及意义 | 第12-13页 |
| ·填料塔液泛气速预测模型的研究现状 | 第13-16页 |
| ·支持向量机及其集成模型的应用研究 | 第16-18页 |
| ·支持向量机的应用现状 | 第16-17页 |
| ·集成支持向量机的研究现状 | 第17-18页 |
| ·本文研究内容 | 第18-20页 |
| 第2章 基于LSSVR模型的液泛气速预测 | 第20-37页 |
| ·液泛气速的传统计算方法 | 第20-23页 |
| ·最小二乘支持向量机算法 | 第23-25页 |
| ·基于LSSVR的液泛气速预测 | 第25-36页 |
| ·液泛气速预测的LSSVR建模 | 第25-28页 |
| ·模型评价标准及模型数据的确定 | 第28-29页 |
| ·LSSVR模型与传统方法的比较 | 第29-32页 |
| ·LSSVR模型与NN方法的预测对比 | 第32-34页 |
| ·LSSVR模型的一致性验证 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 液泛气速预测的集成LSSVR方法 | 第37-53页 |
| ·集成LSSVR模型的构造 | 第37-40页 |
| ·模糊C均值聚类算法 | 第37-39页 |
| ·加权最小二乘算法 | 第39-40页 |
| ·FLSSVR在仿真数据中的应用实验 | 第40-43页 |
| ·基于FLSSVR模型的液泛气速预测 | 第43-52页 |
| ·液泛气速的FLSSVR建模预测 | 第43-45页 |
| ·液泛数据的FCM聚类与K均值聚类 | 第45-46页 |
| ·FLSSVR模型与其他预测方法的比较 | 第46-50页 |
| ·FLSSVR集成模型的一致性验证 | 第50-52页 |
| ·本章小节 | 第52-53页 |
| 第4章 基于高斯混合模型的液泛气速预测集成模型 | 第53-66页 |
| ·基于高斯混合模型的液泛气速集成模型 | 第53-57页 |
| ·高斯混合模型聚类方法 | 第53-55页 |
| ·基于GMM的液泛气速预测模型 | 第55-57页 |
| ·改进的GMM聚类算法 | 第57-65页 |
| ·FG-LSSVR集成模型的可行性验证 | 第59-62页 |
| ·基于FG-LSSVR模型的液泛气速预测 | 第62-64页 |
| ·FG-LSSVR模型预测的一致性验证 | 第64-65页 |
| ·本章小节 | 第65-66页 |
| 第5章 结论与展望 | 第66-68页 |
| ·结论 | 第66-67页 |
| ·展望 | 第67-68页 |
| 附录 | 第68-69页 |
| 1 填料塔中两相性质 | 第68页 |
| 2 LSSVR模型的输入输出参数计算 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间参加的科研项目和成果 | 第75页 |
