| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 引言 | 第9-21页 |
| ·问题的提出 | 第9页 |
| ·课题的背景和意义 | 第9-11页 |
| ·背景 | 第9-10页 |
| ·意义 | 第10-11页 |
| ·文献综述 | 第11-18页 |
| ·基准收率和基准能耗的概念 | 第11-12页 |
| ·乙烯收率和能耗预测模型的进展 | 第12-14页 |
| ·目前乙烯装置收率和能耗计算方法 | 第12页 |
| ·国内外乙烯装置收率和能耗模型 | 第12-14页 |
| ·神经网络相关理论 | 第14-16页 |
| ·神经网络 | 第14-16页 |
| ·BP 神经网络 | 第16页 |
| ·项目管理相关理论 | 第16-18页 |
| ·阶-门（stage-gate）步骤 | 第16-17页 |
| ·卷回计划（Rollback Plan） | 第17页 |
| ·根本原因分析（Root Cause Analysis） | 第17-18页 |
| ·文献综述结论 | 第18页 |
| ·研究方法 | 第18-20页 |
| ·模型方案 | 第20页 |
| ·结构安排 | 第20-21页 |
| 第2章 问题分析与项目目标确定 | 第21-25页 |
| ·问题分析 | 第21-24页 |
| ·输出变量定义不合理 | 第21-23页 |
| ·机理模型结构过于复杂 | 第23页 |
| ·沟通难度大 | 第23-24页 |
| ·预算成本高 | 第24页 |
| ·预计项目周期长 | 第24页 |
| ·项目目标的确定 | 第24-25页 |
| 第3章 模型变量选择 | 第25-29页 |
| ·神经网络模型对变量的要求 | 第25-26页 |
| ·输入变量 | 第25-26页 |
| ·输出变量 | 第26页 |
| ·乙烯装置神经网络模型变量选择 | 第26-29页 |
| ·各已有模型中的变量 | 第26-27页 |
| ·模型变量的确定 | 第27-29页 |
| 第4章 软件的选择 | 第29-39页 |
| ·神经网络软件的概况 | 第29-31页 |
| ·Matlab | 第29-30页 |
| ·NeuroSolution | 第30-31页 |
| ·NeuroShell Predictor | 第31页 |
| ·神经网络软件的比选 | 第31-39页 |
| ·Matlab 试用 | 第32-33页 |
| ·Neurosolution 试用 | 第33-35页 |
| ·Neuroshell Predictor 试用 | 第35-37页 |
| ·软件的选择 | 第37-39页 |
| 第5章 BP 神经网络建模 | 第39-76页 |
| ·目标与建模步骤 | 第39页 |
| ·模型样本集的建立 | 第39-57页 |
| ·样本集格式和来源 | 第39-56页 |
| ·样本归一化 | 第56-57页 |
| ·建立模型 | 第57-73页 |
| ·模型建立过程 | 第59-61页 |
| ·乙烯收率预测模型 | 第61-63页 |
| ·丙烯收率预测模型 | 第63-65页 |
| ·能耗预测模型 | 第65-67页 |
| ·初步模型结果分析 | 第67-68页 |
| ·模型改进 | 第68-73页 |
| ·以所罗门数据进行模型检验 | 第73-75页 |
| ·乙烯装置神经网络模型的小结 | 第75-76页 |
| 第6章 模型实际应用及神经网络在石化行业应用的讨论 | 第76-82页 |
| ·模型实际应用 | 第76-80页 |
| ·神经网络在石化行业应用的讨论 | 第80-82页 |
| 第7章 结论 | 第82-83页 |
| 参考文献 | 第83-85页 |
| 致谢 | 第85-86页 |
| 个人简历 | 第86页 |