| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 选题背景与研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容和安排 | 第11-13页 |
| 2 软测量技术理论与建模方法 | 第13-20页 |
| 2.1 软测量技术的基本原理 | 第14-16页 |
| 2.2 动态软测量技术建模方法概述 | 第16-19页 |
| 2.3 小结 | 第19-20页 |
| 3 动态递归神经网络理论 | 第20-42页 |
| 3.1 动态神经网络的基本结构 | 第20-22页 |
| 3.1.1 全连接递归神经网络 | 第20-21页 |
| 3.1.2 简单递归神经网络 | 第21-22页 |
| 3.2 传统递归神经网络的学习算法 | 第22-24页 |
| 3.2.1 沿着时间反向传播学习算法 | 第22-23页 |
| 3.2.2 实时递归学习算法 | 第23-24页 |
| 3.3 基于扩展卡尔曼滤波的递归神经网络 | 第24-31页 |
| 3.3.1 卡尔曼滤波理论 | 第24-27页 |
| 3.3.2 扩展卡尔曼滤波算法 | 第27-29页 |
| 3.3.3 基于扩展卡尔曼滤波算法的全连接递归神经网络 | 第29-31页 |
| 3.4 基于平方根容积卡尔曼滤波的递归神经网络 | 第31-40页 |
| 3.4.1 容积卡尔曼滤波算法 | 第31-36页 |
| 3.4.2 平方根容积卡尔曼滤波算法 | 第36-37页 |
| 3.4.3 基于平方根容积卡尔曼滤波的简单递归神经网络 | 第37-40页 |
| 3.5 小结 | 第40-42页 |
| 4 动态神经网络在化工过程软测量建模实例中的应用 | 第42-52页 |
| 4.1 脱丁烷塔底C4浓度的软测量 | 第42-45页 |
| 4.2 硫处理装置中H2S和SO2浓度的软测量 | 第45-50页 |
| 4.3 小结 | 第50-52页 |
| 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57页 |