| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 联合站原油脱水环节简述 | 第10-11页 |
| 1.2.1 联合站工艺流程 | 第10-11页 |
| 1.2.2 油水分离工艺流程 | 第11页 |
| 1.3 软测量技术概况 | 第11-17页 |
| 1.3.1 软测量技术的发展概述和研究现状 | 第11-12页 |
| 1.3.2 软测量模型的建立方法 | 第12-13页 |
| 1.3.3 软测量模型的数学描述 | 第13-14页 |
| 1.3.4 建立软测量模型的实现过程 | 第14-17页 |
| 1.4 智能算法的发展趋势及研究现状 | 第17-20页 |
| 1.4.1 人工神经网络 | 第18-19页 |
| 1.4.2 粒子群算法 | 第19页 |
| 1.4.3 遗传算法 | 第19-20页 |
| 1.5 本文的工作安排 | 第20-21页 |
| 第二章 基于神经网络的软测量建模技术 | 第21-26页 |
| 2.1 神经网络神经元模型 | 第21-22页 |
| 2.2 BP 神经网络结构模型 | 第22页 |
| 2.3 BP 神经网络的学习算法 | 第22-24页 |
| 2.4 BP 算法的不足 | 第24页 |
| 2.5 实验仿真 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于粒子群算法优化神经网络的软测量建模技术 | 第26-32页 |
| 3.1 粒子群算法基本原理 | 第26-27页 |
| 3.2 粒子群算法的特点 | 第27-28页 |
| 3.3 标准粒子群算法的参数设置与改进 | 第28-29页 |
| 3.4 改进 PSO-BP 算法的工作流程 | 第29-30页 |
| 3.5 实验仿真 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 基于粒子群遗传算法优化神经网络的软测量建模技术 | 第32-47页 |
| 4.1 遗传算法 | 第32-36页 |
| 4.1.1 遗传算法的原理 | 第32页 |
| 4.1.2 遗传算法的特点 | 第32-33页 |
| 4.1.3 遗传算法的设计 | 第33-36页 |
| 4.2 基于遗传算法的粒子群算法(GAPSO) | 第36-38页 |
| 4.2.1 遗传算法与粒子群算法的结合原因 | 第36-37页 |
| 4.2.2 遗传算法与粒子群算法结合基本思路与工作流程 | 第37-38页 |
| 4.3 GAPSO 算法仿真研究 | 第38-43页 |
| 4.3.1 基于 GAPSO 算法的函数优化仿真结果 | 第38-40页 |
| 4.3.2 基于 PSO 算法的函数优化仿真结果 | 第40-42页 |
| 4.3.3 优化仿真结果比较 | 第42-43页 |
| 4.4 GAPSO-BP 算法的工作流程 | 第43-45页 |
| 4.5 实验仿真 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 混合算法在油水界面软测量建模中的应用 | 第47-54页 |
| 5.1 油水界面软测量模型建立的实现过程 | 第47页 |
| 5.2 分析确定辅助变量 | 第47-48页 |
| 5.3 基于 GAPSO-BP 神经网络的油水界面软测量建模 | 第48-51页 |
| 5.3.1 建立神经网络 | 第48-49页 |
| 5.3.2 数据处理 | 第49-50页 |
| 5.3.3 GAPSO-BP 神经网络训练 | 第50-51页 |
| 5.4 油水界面软测量模型仿真结果 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 发表文章目录 | 第59-60页 |
| 致谢 | 第60-61页 |
| 附录 | 第61-66页 |
| 详细摘要 | 第66-73页 |
