首页--工业技术论文--化学工业论文--合成树脂与塑料工业论文--聚合类树脂及塑料论文--聚烯烃类及塑料论文

多模型融合建模方法及其化工软测量应用研究

摘要第6-8页
Abstract第8-9页
第一章 绪论第12-15页
    1.1 研究背景与意义第12-14页
    1.2 全文结构第14-15页
第二章 文献综述第15-30页
    2.1 前言第15页
    2.2 软测量技术第15-21页
        2.2.1 辅助变量选择第16-17页
        2.2.2 过程数据预处理第17-18页
        2.2.3 软测量建模第18-20页
        2.2.4 模型验证与校正第20-21页
    2.3 多模型融合建模方法第21-29页
        2.3.1 聚类分析第21-24页
        2.3.2 集成学习第24-26页
        2.3.3 混合建模第26-28页
        2.3.4 未来研究方向第28-29页
    2.4 本章小结第29-30页
第三章 基于聚类分析与蜂群优化的多核相关向量机建模方法第30-41页
    3.1 前言第30-31页
    3.2 ABC-MKRVM模型第31-37页
        3.2.1 相关向量机第31-33页
        3.2.2 多核学习方法第33-35页
        3.2.3 人工蜂群寻优第35-37页
    3.3 FCM-ABC-MKRVM软测量建模第37-40页
        3.3.1 模糊C均值聚类第37-38页
        3.3.2 多模型融合第38-39页
        3.3.3 软测量模型实施步骤第39-40页
    3.4 本章小结第40-41页
第四章 选择性集成极限学习机建模方法第41-53页
    4.1 前言第41-42页
    4.2 集成极限学习机模型第42-46页
        4.2.1 极限学习机第42-44页
        4.2.2 Bagging集成学习技术第44-46页
    4.3 选择性集成极限学习机软测量建模第46-52页
        4.3.1 选择性集成第46-48页
        4.3.2 聚类选择法第48-49页
        4.3.3 信息熵加权第49-51页
        4.3.4 软测量模型实施步骤第51-52页
    4.4 本章小结第52-53页
第五章 聚丙烯熔融指数软测量应用研究第53-77页
    5.1 前言第53-54页
    5.2 聚丙烯生产工艺第54-56页
    5.3 熔融指数软测量第56-76页
        5.3.1 辅助变量选择第56-57页
        5.3.2 过程数据预处理第57-58页
        5.3.3 FCM-ABC-MKRVM多模型融合软测量模型第58-66页
        5.3.4 选择性集成极限学习机软测量模型第66-76页
    5.4 本章小结第76-77页
第六章 总结与展望第77-80页
    6.1 全文总结第77-78页
    6.2 研究展望第78-80页
参考文献第80-87页
作者简历第87-88页
致谢第88页

论文共88页,点击 下载论文
上一篇:2,6-二氯-4-三氟甲基苯胺精馏分离的实验研究和模拟优化
下一篇:叠氮交联型单价选择性阴离子交换膜的制备和性能表征