基于小波神经网络的软测量技术的研究
| 1 绪论 | 第1-21页 |
| ·引言 | 第9页 |
| ·工业过程控制 | 第9-10页 |
| ·软测量技术的基本思想 | 第10-18页 |
| ·机理分析和辅助变量的选择 | 第11-12页 |
| ·数据采集和预处理 | 第12-16页 |
| ·软测量模型的建立 | 第16-18页 |
| ·人工神经网络在软测量技术中的应用 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 2 化工类计算机辅助教学及化工数据处理的研究 | 第21-35页 |
| ·引言 | 第21页 |
| ·国内外化工CAI的发展 | 第21页 |
| ·CAI的基本理论 | 第21-24页 |
| ·CAI的理论原则 | 第21-23页 |
| ·CAI软件的开发流程 | 第23-24页 |
| ·化工CAI软件的研究和开发 | 第24-27页 |
| ·化工原理学习辅导多媒体CAI系统 | 第24-26页 |
| ·化工原理电化教学课件 | 第26-27页 |
| ·化工类专业认识实习多媒体课件 | 第27页 |
| ·基于MATLAB的化工数据处理 | 第27-32页 |
| ·MATLAB简介 | 第27-28页 |
| ·化工数据处理程序的编写 | 第28-32页 |
| ·化工CAI软件应用评价 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 3 小波神经网络及其算法 | 第35-56页 |
| ·引言 | 第35页 |
| ·小波分析 | 第35-44页 |
| ·小波分析定义 | 第35-37页 |
| ·多分辨率分析 | 第37-39页 |
| ·小波包分析 | 第39-40页 |
| ·小波和小波包分解的信号重构 | 第40-41页 |
| ·几种常用的基小波 | 第41-43页 |
| ·常用小波性质对比表 | 第43-44页 |
| ·人工神经网络 | 第44-48页 |
| ·人工神经网络的分类 | 第44-45页 |
| ·人工神经网络模型简介 | 第45-48页 |
| ·小波神经网络 | 第48-55页 |
| ·小波神经网络的由来 | 第48页 |
| ·小波分析和神经网络的结合途径 | 第48-49页 |
| ·小波神经网络的算法 | 第49-51页 |
| ·小波神经网络的分类 | 第51-54页 |
| ·小波网络和BP网络、RBF网络的比较 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 4 软测量技术的研究 | 第56-70页 |
| ·引言 | 第56页 |
| ·数据预处理 | 第56-68页 |
| ·过失误差侦破 | 第56-66页 |
| ·数据校正方法 | 第66-68页 |
| ·软测量模型 | 第68-69页 |
| ·回归分析法 | 第68-69页 |
| ·神经网络法 | 第69页 |
| ·本章小结 | 第69-70页 |
| 5 软件的开发与应用 | 第70-82页 |
| ·引言 | 第70页 |
| ·基于小波神经网络的软测量软件的开发 | 第70-75页 |
| ·软件的需求分析 | 第70页 |
| ·软件的结构设计 | 第70-71页 |
| ·软件开发工具 | 第71页 |
| ·软测量软件的实现 | 第71-75页 |
| ·软件中使用文本的规定 | 第75页 |
| ·软件的应用 | 第75-81页 |
| ·常减压蒸馏装置流程简述 | 第75-76页 |
| ·数据预处理 | 第76-79页 |
| ·常压塔中常一线90％点的软测量模型 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 6 结论 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-90页 |
| 发表论文 | 第90页 |
