| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·前言 | 第10页 |
| ·神经网络建模方法 | 第10-11页 |
| ·生产过程预警技术 | 第11-12页 |
| ·粒子群优化算法研究现状综述 | 第12-14页 |
| ·粒子群优化算法概述 | 第12-13页 |
| ·粒子群优化算法的发展现状 | 第13-14页 |
| ·本文研究内容及章节安排 | 第14-15页 |
| 第2章 生产过程预警模型的建立 | 第15-29页 |
| ·引言 | 第15页 |
| ·神经网络建模技术 | 第15-19页 |
| ·神经网络建模现状 | 第15-16页 |
| ·径向基网络及其学习算法 | 第16-19页 |
| ·使用RBF神经网络建模的可行性分析 | 第19页 |
| ·标准粒子群优化算法 | 第19-22页 |
| ·标准PSO算法的数学描述 | 第19-20页 |
| ·标准PSO算法参数 | 第20-21页 |
| ·标准PSO算法流程 | 第21-22页 |
| ·预警模型的建立 | 第22-28页 |
| ·软测量模型的实验结果比较 | 第22-24页 |
| ·预警级别模型的实验结果比较 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 改进型文化粒子群优化算法分析 | 第29-41页 |
| ·引言 | 第29页 |
| ·文化算法原理 | 第29-33页 |
| ·信仰空间的更新 | 第31页 |
| ·接受函数 | 第31-32页 |
| ·影响函数 | 第32页 |
| ·种群空间 | 第32-33页 |
| ·粒子群优化算法的改进 | 第33-34页 |
| ·惯性权重因子的引入 | 第33页 |
| ·收缩因子的引入 | 第33-34页 |
| ·最大速度法 | 第34页 |
| ·混合粒子群优化算法 | 第34页 |
| ·改进型文化粒子群优化算法(CULTURE-MPSO) | 第34-40页 |
| ·初始化种群空间 | 第34-35页 |
| ·适应度函数的选取 | 第35页 |
| ·信仰空间知识的表达 | 第35页 |
| ·信仰空间知识的获取与更新 | 第35-36页 |
| ·种群空间的进化 | 第36页 |
| ·Culture-MPSO优化流程 | 第36-37页 |
| ·Culture-MPSO算法性能分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 改进型混沌粒子群优化算法分析 | 第41-48页 |
| ·引言 | 第41页 |
| ·混沌系统概述 | 第41-43页 |
| ·Logistic混沌系统 | 第41-42页 |
| ·混沌优化 | 第42-43页 |
| ·改进型混沌粒子群优化(CHAOS-MPSO)算法 | 第43-47页 |
| ·Chaos-MPSO算法思想 | 第43-44页 |
| ·Chaos-MPSO算法性能分析 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 预警技术在裂解反应过程中的应用 | 第48-61页 |
| ·CULTURE-MPSO算法和CHAOS-MPSO算法在预警技术中的应用 | 第48-50页 |
| ·神经网络输入输出参数的选择 | 第48-49页 |
| ·生产过程预警模型 | 第49页 |
| ·数据预处理 | 第49-50页 |
| ·CULTURE-MPSO算法和CHAOS-MPSO算法优化预警模型的仿真结果 | 第50-60页 |
| ·预警级别模型 | 第51-55页 |
| ·裂解深度软测量模型 | 第55-57页 |
| ·Chaos-MPSO算法综合模型 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结及展望 | 第61-63页 |
| ·本文主要工作总结 | 第61页 |
| ·进一步的探讨与研究展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 作者在攻读硕士学位期间发表的论文 | 第70页 |
