| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-10页 |
| 1. 绪论 | 第10-32页 |
| ·引言 | 第10页 |
| ·本课题的提出与背景 | 第10-13页 |
| ·聚丙烯及其熔融指数 | 第10-11页 |
| ·聚丙烯工艺 | 第11-12页 |
| ·聚丙烯熔融指数测量方法 | 第12-13页 |
| ·统计学习理论 | 第13-22页 |
| ·最小化期望风险的准则 | 第14-16页 |
| ·支持向量机理论 | 第16-22页 |
| ·灰色系统理论概述 | 第22-28页 |
| ·灰色系统理论产生的科学背景 | 第22页 |
| ·不确定性系统的特征与科学的简单性原则 | 第22-23页 |
| ·灰色系统理论简介 | 第23-24页 |
| ·小样本不确定 | 第24页 |
| ·灰理论基本内容 | 第24-28页 |
| ·国内外的研究现状 | 第28-31页 |
| ·灰色系统理论研究现状 | 第28-29页 |
| ·熔融指数研究现状 | 第29-31页 |
| ·小结 | 第31-32页 |
| 2. 熔融指数预报GM(1,1)模型 | 第32-50页 |
| ·引言 | 第32页 |
| ·GM(1,1)模型的基本形式 | 第32-36页 |
| ·GM(1,1)模型的基本形式 | 第32-33页 |
| ·GM(1,1)的建模过程 | 第33-34页 |
| ·GM(1,1)模型的有偏性 | 第34-35页 |
| ·无偏GM(1,1)模型 | 第35-36页 |
| ·GM(1,1)的适用范围 | 第36-37页 |
| ·命题1 | 第36页 |
| ·命题2 | 第36-37页 |
| ·GM(1,1)模型的混沌特性 | 第37-39页 |
| ·混沌的概念 | 第37-38页 |
| ·GM(1,1)模型的混沌特性分析 | 第38-39页 |
| ·GM(1,1)模型的改进 | 第39-44页 |
| ·GM(1,1)模型的特性 | 第39-40页 |
| ·原始序列的处理 | 第40-41页 |
| ·背景值的改进 | 第41-42页 |
| ·边值的确定 | 第42-43页 |
| ·参数求解方法的优化 | 第43-44页 |
| ·丙烯聚合生产过程研究 | 第44-47页 |
| ·建模对象过程介绍 | 第44-45页 |
| ·建模变量的确定 | 第45-47页 |
| ·GM(1,1)模型在熔融指数预报上的应用 | 第47-48页 |
| ·小结 | 第48-50页 |
| 3. GM(1,N)模型和GMC(1,N)模型 | 第50-62页 |
| ·引言 | 第50页 |
| ·GM(1,N)模型 | 第50-52页 |
| ·多维灰模型GM(1,N) | 第50-52页 |
| ·GMC(1,N)模型 | 第52-56页 |
| ·GMC(1,N)模型的数学表示 | 第53页 |
| ·参数b_1,b_2,,b_N和u的评估 | 第53-55页 |
| ·X_1~((0))的评估 | 第55-56页 |
| ·GMC(1,N)模型在熔融指数预报中的应用 | 第56-57页 |
| ·熔融指数预报模型性能指标 | 第57-60页 |
| ·小结 | 第60-62页 |
| 4. 组合模型 | 第62-76页 |
| ·引言 | 第62页 |
| ·GMC(1,N)-BP模型 | 第62-67页 |
| ·BP人工神经网络模型与算法 | 第62-64页 |
| ·熔融指数预报GMC(1,N)-BP组合模型的建立 | 第64-67页 |
| ·GMC(1,N)-RBF模型 | 第67-74页 |
| ·RBF神经网络模型和算法 | 第67-70页 |
| ·熔融指数预报GMC(1,N)-RBF组合模型的建立 | 第70-74页 |
| ·小结 | 第74-76页 |
| 5. 总结与展望 | 第76-78页 |
| ·全文总结 | 第76-77页 |
| ·研究设想与展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 作者攻读硕士期间的主要成果 | 第82页 |