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

偏最小二乘回归理论的研究及软测量应用

摘要第1-5页
Abstract第5-8页
引言第8-10页
1 工程背景及软测量技术概述第10-19页
   ·工程背景第10-13页
     ·精馏工艺流程概述第10-11页
     ·航空煤油的干点第11-12页
     ·数据的采集第12-13页
   ·软测量思想第13-14页
   ·软测量建模方法第14-16页
     ·基于传统方法的软测量模型第14页
     ·基于回归分析的软测量模型第14-15页
     ·基于智能方法的软测量模型第15-16页
   ·软测量工程实现第16-19页
     ·辅助变量的选择第16-17页
     ·数据的预处理第17-18页
     ·软测量模型的建立第18页
     ·软测量模型的校正第18-19页
2 偏最小二乘回归和样条函数理论第19-26页
   ·偏最小二乘回归理论第19-22页
     ·基本原理第19页
     ·计算方法第19-21页
     ·成分数的选取第21-22页
   ·样条函数理论第22-26页
     ·样条函数第22-23页
     ·B样条函数第23-26页
3 基于样条变换的非线性偏最小二乘回归研究第26-35页
   ·基于样条变换的非线性偏最小二乘回归理论第26-28页
     ·基本原理第26-27页
     ·计算方法第27-28页
   ·仿真研究第28-32页
     ·精度分析第28-29页
     ·噪声点的识别第29-31页
     ·工程仿真第31-32页
   ·分段数和成分数的选取第32-35页
     ·分段数的选取原则第32-33页
     ·成分数的选取原则第33-35页
4 辅助变量的选择第35-41页
   ·主元分析辅助变量选择方法第35-37页
     ·主元分析原理第35-36页
     ·辅助变量选择方法第36-37页
   ·偏最小二乘回归辅助变量选择方法第37页
   ·航煤干点辅助变量的选择第37-41页
     ·主元分析方法选择辅助变量第38-39页
     ·偏最小二乘回归方法选择辅助变量第39-41页
5 航煤干点的软测量实现第41-58页
   ·数据的预处理第41-42页
   ·软测量模型的建立第42-56页
     ·基于样条变换的非线性偏最小二乘回归建模第42-47页
     ·RBF神经网络建模第47-51页
     ·最小二乘支持向量机建模第51-56页
     ·三种建模方法的比较第56页
   ·软测量模型的校正第56-58页
结论第58-60页
参考文献第60-62页
攻读硕士学位期间发表学术论文情况第62-63页
致谢第63-64页

论文共64页,点击 下载论文
上一篇:基于用户兴趣和模糊性的P2P信任机制研究
下一篇:组织职业生涯管理效能研究