| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 图目录 | 第8-9页 |
| 第1章 | 第8页 |
| 第2章 | 第8页 |
| 第3章 | 第8-9页 |
| 第4章 | 第9页 |
| 表目录 | 第9-11页 |
| 第1章 | 第9页 |
| 第2章 | 第9页 |
| 第3章 | 第9-10页 |
| 第4章 | 第10-11页 |
| 目录 | 第11-13页 |
| 縮略语列表 | 第13-14页 |
| 符号说明 | 第14-16页 |
| 第1章 绪论 | 第16-26页 |
| ·研究背景及意义 | 第16-19页 |
| ·塔器的简介 | 第16页 |
| ·填料的发展 | 第16-17页 |
| ·填料塔流体力学性能 | 第17-19页 |
| ·国内外填料塔重要参数模型研究 | 第19-21页 |
| ·极限学习机的研究现状 | 第21-23页 |
| ·人工神经网络简介 | 第21页 |
| ·极限学习机研究状况 | 第21-22页 |
| ·改进的极限学习机的总结 | 第22-23页 |
| ·本文研究内容及意义 | 第23-26页 |
| 第2章 用于过程建模的递推岭ELM方法 | 第26-40页 |
| ·极限学习机(ELM)建模方法 | 第26-28页 |
| ·SLFNs原理 | 第26-27页 |
| ·ELM的求解及特点 | 第27-28页 |
| ·岭参数极限学习机(RELM)回归方法 | 第28-31页 |
| ·岭回归算法 | 第28-29页 |
| ·岭参数极限学习机算法 | 第29-31页 |
| ·RELM的递推更新(RECURSIVE RELM,RRELM) | 第31-35页 |
| ·RELM节点增加递推算法 | 第31-32页 |
| ·RELM节点减少递推算法 | 第32-33页 |
| ·RRELM计算效率及可靠性测试 | 第33-35页 |
| ·RRELM方法 | 第35-38页 |
| ·RELM的FLOO-CV表达式 | 第35-36页 |
| ·RRELM节点增加过程 | 第36-37页 |
| ·RRELM节点修剪过程 | 第37-38页 |
| ·基于RRELM仿真模拟 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第3章 RRELM在塔设备中重要参数建模的应用 | 第40-60页 |
| ·仿真软件介绍 | 第40-44页 |
| ·仿真软件的输入 | 第41-43页 |
| ·仿真软件的输出 | 第43-44页 |
| ·液泛重要参数仿真模拟 | 第44-46页 |
| ·基于RRELM填料塔重要参数建模 | 第46-59页 |
| ·液泛气速RRELM模型 | 第47-54页 |
| ·持液量RRELM模型 | 第54-56页 |
| ·载点气速RRELM模型 | 第56-58页 |
| ·压降RRELM模型 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第4章 基于LRRELM的液泛气速预测模型 | 第60-76页 |
| ·局部学习思想 | 第60-63页 |
| ·全局学习与局部学习 | 第60-61页 |
| ·即时学习算法原理 | 第61-63页 |
| ·基于距离角度信息构造相似样本集 | 第63页 |
| ·建立液泛气速LRRELM模型 | 第63-74页 |
| ·LRRELM在仿真数据中的应用 | 第63-65页 |
| ·填料塔液泛实验数据介绍 | 第65-66页 |
| ·RRELM在实验数据中的应用 | 第66-68页 |
| ·LRRELM在实验数据中的应用 | 第68-73页 |
| ·LRRELM模型一致性验证 | 第73-74页 |
| ·本章小结 | 第74-76页 |
| 第5章 结论与展望 | 第76-78页 |
| ·结论 | 第76-77页 |
| ·展望 | 第77-78页 |
| 附录 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-88页 |
| 攻读学位期间参加的科研项目和成果 | 第88页 |