| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 软测量技术研究概述 | 第12-13页 |
| 1.3 高斯过程回归研究概述 | 第13-15页 |
| 1.4 论文主要研究内容及结构安排 | 第15-17页 |
| 第2章 高斯过程回归及其在延迟焦化系统中的应用 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 高斯过程回归基本知识 | 第17-23页 |
| 2.2.1 高斯过程 | 第17-18页 |
| 2.2.2 函数空间法 | 第18-19页 |
| 2.2.3 权重空间法 | 第19-22页 |
| 2.2.4 超参数学习 | 第22-23页 |
| 2.3 工业背景及高斯过程回归应用介绍 | 第23-28页 |
| 2.3.1 延迟焦化过程工艺分析 | 第23-24页 |
| 2.3.2 腐蚀机理 | 第24-25页 |
| 2.3.3 算法提出的动机 | 第25-26页 |
| 2.3.4 高斯过程回归算法在延迟焦化系统开工线温度预测上的应用 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于GSA的组合核函数高斯过程回归及其应用 | 第30-40页 |
| 3.1 引言 | 第30页 |
| 3.2 万有引力搜索算法 | 第30-32页 |
| 3.3 组合核函数 | 第32-34页 |
| 3.4 基于万有引力搜索的组合核函数高斯过程回归算法实现 | 第34-35页 |
| 3.5 结果分析 | 第35-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第 4 章 基于 K-means 聚类的集成自适应高斯过程回归算法 | 第40-49页 |
| 4.1 引言 | 第40页 |
| 4.2 基于 K-means 算法的空间聚类 | 第40-42页 |
| 4.3 基于贝叶斯融合权值分配策略 | 第42-43页 |
| 4.4 集成K-AGPR算法实现 | 第43-44页 |
| 4.5 基于K-AGPR的开工线温度预测模型 | 第44-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 延迟焦化系统温度预测系统软件开发及应用 | 第49-55页 |
| 5.1 引言 | 第49页 |
| 5.2 开发工具介绍 | 第49页 |
| 5.3 图形操作界面介绍 | 第49-54页 |
| 5.3.1 登陆系统界面 | 第50页 |
| 5.3.2 调节显示界面 | 第50-51页 |
| 5.3.3 算法建模及输出界面 | 第51-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 研究工作总结 | 第55-56页 |
| 6.2 研究工作展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间参与的科研项目及取得的成果 | 第62-63页 |
| 致谢 | 第63页 |
