| ABSTRACT | 第1-6页 |
| 目录 | 第6-8页 |
| CONTENTS | 第8-10页 |
| 主要符号说明 | 第10-12页 |
| 第一章 文献综述 | 第12-31页 |
| 引言 | 第12-13页 |
| ·煤直接液化技术概述 | 第13-21页 |
| ·煤直接液化技术的发展与现状 | 第13-14页 |
| ·煤炭直接液化基本原理 | 第14-15页 |
| ·煤炭直接液化反应动力学 | 第15-21页 |
| ·人工神经网络技术 | 第21-25页 |
| ·人工神经网络的发展及应用 | 第21-22页 |
| ·前馈神经网络的泛化能力 | 第22-23页 |
| ·影响泛化能力因素 | 第23-25页 |
| ·支持向量机 | 第25-29页 |
| ·统计学习理论(Statistical Learning Theories,SLT) | 第25-27页 |
| ·支持向量机的基本思想 | 第27-28页 |
| ·核理论 | 第28页 |
| ·支持向量机应用中的关键步骤 | 第28-29页 |
| ·本课题的研究内容与意义 | 第29-31页 |
| 第二章 计及热力学效应的神华煤直接液化反应动力学模型 | 第31-42页 |
| ·煤直接液化实验数据 | 第31-32页 |
| ·神华煤直接液化反应动力学的建立 | 第32-41页 |
| ·煤直接液化动力学 | 第32-34页 |
| ·煤直接液化热力学 | 第34-36页 |
| ·间歇反应器中煤直接液化模型程序的建立 | 第36-38页 |
| ·模型的检验与分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 基于人工神经网络模拟方法预测煤直接液化间歇反应器性能 | 第42-50页 |
| ·BP神经网络原理 | 第42-43页 |
| ·BP人工神经网络模型的建立 | 第43-46页 |
| ·数据集的建立与归一化 | 第43-44页 |
| ·BP神经网络结构的确定 | 第44-45页 |
| ·神经网络模型预测能力的检验 | 第45-46页 |
| ·影响因素敏感性分析 | 第46-48页 |
| ·计算实验 | 第47页 |
| ·结果与分析 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第四章 基于支持向量机模拟方法预测间歇反应器中煤直接液化性能 | 第50-61页 |
| ·分类与回归支持向量机 | 第50-53页 |
| ·支持向量机模型的建立 | 第53-58页 |
| ·数据集的建立与归一化 | 第54页 |
| ·支持向量机的计算流程 | 第54-55页 |
| ·支持向量机模型参数的优选与分析 | 第55-58页 |
| ·影响因素敏感性分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 结论与建议 | 第61-63页 |
| ·研究结论 | 第61-62页 |
| ·研究建议 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-82页 |
| 致谢 | 第82-83页 |
| 研究成果及发表学术论文 | 第83-84页 |
| 作者及导师简介 | 第84页 |
