| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 一次风量测量的背景与研究现状 | 第9-11页 |
| 1.1.1 一次风量测量的研究 | 第9-10页 |
| 1.1.2 软测量技术的发展 | 第10-11页 |
| 1.2 最小二乘支持向量机概述及其研究现状 | 第11-12页 |
| 1.3 本文研究内容与安排 | 第12-14页 |
| 1.3.1 论文主要研究内容 | 第12-13页 |
| 1.3.2 论文结构安排 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 软测量技术 | 第15-21页 |
| 2.1 软测量技术原理 | 第15-17页 |
| 2.1.1 辅助变量的选取 | 第16页 |
| 2.1.2 数据采集与预处理 | 第16-17页 |
| 2.1.3 软测量建模方法 | 第17页 |
| 2.1.4 软测量模型在线校正 | 第17页 |
| 2.2 软测量建模方法概述 | 第17-19页 |
| 2.2.1 传统建模方法 | 第18页 |
| 2.2.2 数据驱动建模方法 | 第18-19页 |
| 2.2.3 混合建模方法 | 第19页 |
| 2.3 本章小结 | 第19-21页 |
| 第3章 最小二乘支持向量机相关理论 | 第21-28页 |
| 3.1 支持向量机 | 第21-24页 |
| 3.1.1 统计学理论 | 第21-23页 |
| 3.1.2 支持向量回归机 | 第23-24页 |
| 3.2 最小二乘支持向量机(LSSVM) | 第24-25页 |
| 3.3 稀疏最小二乘支持向量机 | 第25-27页 |
| 3.3.1 压缩感知理论 | 第25-26页 |
| 3.3.2 基于CS的稀疏LSSVM | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 一次风量的静态建模 | 第28-40页 |
| 4.1 结合工艺机理确定辅助变量 | 第28-31页 |
| 4.1.1 一次风流量测量基本原理 | 第29-31页 |
| 4.1.2 辅助变量的选取 | 第31页 |
| 4.2 数据预处理 | 第31-32页 |
| 4.2.1 数据误差分析 | 第31-32页 |
| 4.2.2 数据归一化处理 | 第32页 |
| 4.3 基于稀疏LSSVM静态建模 | 第32-33页 |
| 4.4 改进云自适应粒子群优化算法 | 第33-36页 |
| 4.4.1 云模型(cloud model) | 第33-34页 |
| 4.4.2 粒子群优化算法 | 第34-35页 |
| 4.4.3 改进的云自适应粒子群算法 | 第35-36页 |
| 4.5 模型仿真与结果分析 | 第36-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第5章 基于多尺度的一次风量动态测量 | 第40-51页 |
| 5.1 多尺度LSSVM模型 | 第40-43页 |
| 5.1.1 多尺度小波理论 | 第40-41页 |
| 5.1.2 多尺度LSSVM模型 | 第41页 |
| 5.1.3 多尺度LSSVM性能验证 | 第41-43页 |
| 5.2 LSSVM自适应在线校正模型 | 第43-45页 |
| 5.2.1 自适应校正算法 | 第43-44页 |
| 5.2.2 基于在线自适应校正算法的LSSVM模型 | 第44-45页 |
| 5.3 一次风量动态测量 | 第45-50页 |
| 5.3.1 一次风量动态测量模型 | 第45-46页 |
| 5.3.2 一次风量动态模型仿真与结果分析 | 第46-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第6章 结论与展望 | 第51-53页 |
| 6.1 结论 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 致谢 | 第58页 |