| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-23页 |
| ·课题研究背景 | 第9页 |
| ·软测量技术 | 第9-11页 |
| ·软测量技术介绍 | 第9-10页 |
| ·软测量建模方法 | 第10-11页 |
| ·人工神经网络 | 第11-16页 |
| ·人工神经网络介绍 | 第11-12页 |
| ·神经网络的发展过程 | 第12-13页 |
| ·神经网络的分类 | 第13-14页 |
| ·BP神经网络 | 第14-16页 |
| ·智能优化算法 | 第16-18页 |
| ·软测量建模在工业过程中的实现 | 第18-21页 |
| ·辅助变量的选取 | 第18页 |
| ·样本数据的采集及其预处理 | 第18-20页 |
| ·软测量模型的建立 | 第20-21页 |
| ·软测量模型的在线校正 | 第21页 |
| ·论文的研究内容安排 | 第21-23页 |
| 第2章 神经网络建模中的过拟合问题 | 第23-37页 |
| ·过拟合问题介绍 | 第23-27页 |
| ·过拟合问题和样本数据个数的关系 | 第23-26页 |
| ·神经网络建模中的过拟合问题 | 第26-27页 |
| ·过拟合问题的数学理论 | 第27-28页 |
| ·过拟合问题的实例分析 | 第28-30页 |
| ·利用建模对象的单调性专家知识防止过拟合问题发生 | 第30-36页 |
| ·基于建模对象变化趋势的最优参数选取 | 第30-32页 |
| ·建模对象的单调性专家知识 | 第32页 |
| ·基于单调性约束条件的神经网络参数优化 | 第32-34页 |
| ·正弦函数仿真实验 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 EAEA优化算法及其性能测试 | 第37-52页 |
| ·AEA基本原理 | 第37-39页 |
| ·分布估计算法 | 第39-40页 |
| ·精英保留策略 | 第40页 |
| ·基于AEA、EDA和精英保留策略的新算法EAEA | 第40-42页 |
| ·EAEA算法的性能测试 | 第42-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于神经网络和多元线性回归的高低阶混合建模方法 | 第52-65页 |
| ·高低阶混合建模方法的提出 | 第52-53页 |
| ·神经网络在线性建模时的不足 | 第52页 |
| ·多元线性回归方法 | 第52-53页 |
| ·高低阶混合建模方法介绍 | 第53-55页 |
| ·高低阶混合建模方法的数学基础 | 第53-54页 |
| ·高低阶混合建模方法的基本原理 | 第54-55页 |
| ·高低阶混合建模方法的实现过程 | 第55-58页 |
| ·低阶模型的建立 | 第55-56页 |
| ·高阶模型的建立 | 第56-57页 |
| ·高低阶混合建模步骤 | 第57-58页 |
| ·高低阶混合建模方法在化工过程中的应用 | 第58-64页 |
| ·三元共沸混合物介绍 | 第58-59页 |
| ·三元共沸混合物沸点的高低阶模型 | 第59-62页 |
| ·高低阶混合模型性能测试 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| ·本文研究内容总结 | 第65页 |
| ·论文展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 作者在攻读硕士学位期间发表学术论文情况 | 第72页 |