摘要 | 第1-8页 |
Abstract | 第8-12页 |
目录 | 第12-17页 |
第一章 绪论 | 第17-34页 |
·数据挖掘 | 第17-23页 |
·数据挖掘研究概况 | 第18-19页 |
·数据挖掘的发展历程 | 第18页 |
·数据挖掘的研究现状 | 第18-19页 |
·数据挖掘的发展趋势 | 第19页 |
·数据挖掘的任务 | 第19-20页 |
·数据挖掘的过程 | 第20-21页 |
·数据挖掘常用方法及技术 | 第21-23页 |
·化工过程优化 | 第23-27页 |
·化工过程优化研究概况 | 第23-25页 |
·化工过程优化研究历程 | 第23-24页 |
·化工过程优化研究现状 | 第24-25页 |
·化工过程优化的发展趋势 | 第25页 |
·化工过程优化分类 | 第25-26页 |
·离线操作优化 | 第25页 |
·在线操作优化 | 第25-26页 |
·化工过程优化常用方法及技术 | 第26-27页 |
·基于机理模型的优化方法 | 第26-27页 |
·基于数据模型的优化方法 | 第27页 |
·基于混合模型的优化方法 | 第27页 |
·化合物构效关系 | 第27-33页 |
·化合物构效关系研究概况 | 第28-29页 |
·化合物构效关系研究历程 | 第28页 |
·化合物构效关系研究现状 | 第28-29页 |
·化合物构效关系研究的发展趋势 | 第29页 |
·化合物构效关系研究过程 | 第29-32页 |
·化合物分子结构参数 | 第30-31页 |
·结构参数选择 | 第31-32页 |
·模型构建 | 第32页 |
·化合物构效关系研究方法 | 第32-33页 |
·Hansch分析法 | 第32页 |
·Free-Wilson法 | 第32页 |
·LSER(线性溶剂化能相关)法 | 第32-33页 |
·论文的组织结构及内容 | 第33-34页 |
第二章 化学化工常用数据挖掘算法 | 第34-53页 |
·支持向量机算法 | 第34-43页 |
·统计学习理论概述 | 第35-37页 |
·VC维 | 第35-36页 |
·推广性的界 | 第36页 |
·结构风险最小化 | 第36-37页 |
·支持向量分类算法 | 第37-39页 |
·最优分类超平面 | 第37-38页 |
·线性可分的情况 | 第38-39页 |
·非线性可分情形 | 第39页 |
·支持向量回归算法 | 第39-42页 |
·ε-不敏感损失函数 | 第39-40页 |
·线性回归情形 | 第40-41页 |
·非线性回归情形 | 第41-42页 |
·支持向量机的核函数 | 第42-43页 |
·多元线性回归 | 第43-44页 |
·主成分分析法 | 第44-46页 |
·偏最小二乘法 | 第46-47页 |
·人工神经网络 | 第47-49页 |
·多重判别矢量法 | 第49-51页 |
·Fisher判别分析法 | 第51-52页 |
·小结 | 第52-53页 |
第三章 基于数据挖掘的氨合成装置生产优化研究 | 第53-95页 |
·氨合成装置简介 | 第53-56页 |
·生产原理 | 第54页 |
·生产流程 | 第54-55页 |
·生产数据特点 | 第55-56页 |
·生产数据的复杂性 | 第55页 |
·生产数据的数据挖掘必要性 | 第55-56页 |
·DMOS合成氨优化系统的开发 | 第56-69页 |
·DMOS合成氨优化系统简介 | 第57页 |
·DMOS合成氨优化系统离线版软件 | 第57-63页 |
·软件结构 | 第57-58页 |
·数据处理流程 | 第58-60页 |
·图形用户界面 | 第60-61页 |
·离线版软件主要功能 | 第61-63页 |
·DMOS合成氨优化系统在线版软件 | 第63-67页 |
·图形用户界面 | 第63-65页 |
·在线版软件主要功能 | 第65-67页 |
·DMOS合成氨优化系统优化生产实施步骤 | 第67-68页 |
·DMOS合成氨优化系统主要特点 | 第68-69页 |
·氨合成装置生产优化模型的研究 | 第69-93页 |
·数据集 | 第69-72页 |
·1~#合成塔生产优化数学模型 | 第72-79页 |
·数据预处理 | 第72-73页 |
·样本统计 | 第73-75页 |
·数学模型 | 第75-79页 |
·模型验证 | 第79页 |
·2~#合成塔生产优化数学模型 | 第79-86页 |
·数据预处理 | 第79页 |
·样本统计 | 第79-82页 |
·数学模型 | 第82-86页 |
·模型验证 | 第86页 |
·3~#合成塔生产优化数学模型 | 第86-93页 |
·数据预处理 | 第86页 |
·样本统计 | 第86-90页 |
·数学模型 | 第90-93页 |
·讨论和结论 | 第93-95页 |
·讨论 | 第93-94页 |
·结论 | 第94-95页 |
第四章 数据挖掘技术在两个化工过程优化中的应用研究 | 第95-120页 |
·偏三甲苯装置生产优化 | 第95-108页 |
·偏三甲苯装置简介 | 第96-97页 |
·材料及方法 | 第97-98页 |
·数据集 | 第97-98页 |
·建模方法 | 第98页 |
·结果与讨论 | 第98-107页 |
·工艺参数选择 | 第98页 |
·变量统计分析 | 第98-99页 |
·偏三甲苯收率的定性建模 | 第99-102页 |
·偏三甲苯收率的定量建模和预报 | 第102-107页 |
·讨论 | 第107页 |
·结论 | 第107-108页 |
·芳烃抽提装置生产优化 | 第108-119页 |
·芳烃抽提装置简介 | 第109页 |
·材料及方法 | 第109-110页 |
·数据集 | 第109-110页 |
·建模方法 | 第110页 |
·结果与讨论 | 第110-119页 |
·工艺参数选择 | 第110页 |
·变量统计分析 | 第110-111页 |
·抽余油中芳烃含量的定性建模 | 第111-115页 |
·抽余油中芳烃含量的定量建模和预报 | 第115-118页 |
·讨论 | 第118-119页 |
·结论 | 第119页 |
·小结 | 第119-120页 |
第五章 基于DFT和SVR方法的多环芳烃若干物性的QSPR研究 | 第120-131页 |
·引言 | 第120-121页 |
·材料和方法 | 第121-123页 |
·数据集 | 第121页 |
·计算机硬件和软件 | 第121页 |
·量子化学描述符 | 第121-122页 |
·基于GA-SVR方法的描述符选择 | 第122-123页 |
·SVR算法 | 第123页 |
·结果和讨论 | 第123-129页 |
·描述符选择 | 第123页 |
·SVR模型参数选择 | 第123-126页 |
·SVR模型 | 第126-127页 |
·沸点(bp) | 第126页 |
·正辛醇/水分配系数(logKow) | 第126页 |
·色谱保留指数(RI) | 第126-127页 |
·SVR模型验证 | 第127-128页 |
·讨论 | 第128-129页 |
·量子化学参数解释 | 第128-129页 |
·SVR模型参数 | 第129页 |
·结论 | 第129-131页 |
第六章 基于SVR方法的若干芳烃正辛醇/水分配系数的QSPR研究 | 第131-138页 |
·引言 | 第131-132页 |
·材料和方法 | 第132-134页 |
·数据集 | 第132页 |
·计算机硬件和软件 | 第132页 |
·分子描述符 | 第132-133页 |
·mRMR-GA-SVR特征选择 | 第133-134页 |
·回归算法 | 第134页 |
·结果和讨论 | 第134-137页 |
·描述符选择 | 第134页 |
·SVR模型参数选择 | 第134-135页 |
·SVR模型 | 第135-136页 |
·SVR模型验证 | 第136-137页 |
·讨论 | 第137页 |
·分子描述符解释 | 第137页 |
·SVR模型参数 | 第137页 |
·结论 | 第137-138页 |
第七章 基于SVR方法的若干芳烃对水生梨形四膜虫毒性的QSAR研究 | 第138-145页 |
·引言 | 第138页 |
·材料和方法 | 第138-140页 |
·数据集 | 第138-139页 |
·计算机硬件和软件 | 第139页 |
·分子描述符 | 第139-140页 |
·mRMR-GA-SVR特征选择 | 第140页 |
·回归算法 | 第140页 |
·结果和讨论 | 第140-144页 |
·描述符选择 | 第140-141页 |
·SVR模型参数选择 | 第141-142页 |
·SVR模型 | 第142页 |
·SVR模型验证 | 第142-143页 |
·讨论 | 第143-144页 |
·结论 | 第144-145页 |
第八章 结论与展望 | 第145-148页 |
·结论 | 第145-146页 |
·展望 | 第146-148页 |
参考文献 | 第148-168页 |
附录一 多环芳烃物性数据及部分量子化学参数 | 第168-174页 |
附录二 芳烃分配系数数据及部分分子描述符 | 第174-187页 |
附录三 芳烃对梨形四膜虫毒性数据及其部分分子描述符 | 第187-214页 |
攻读博士学位其间公开发表的论文 | 第214-216页 |
致谢 | 第216页 |