| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-14页 |
| 1.1 前言 | 第12-13页 |
| 1.2 全文内容安排 | 第13-14页 |
| 第二章 关联向量机在软测量领域的研究与发展 | 第14-30页 |
| 2.1 前言 | 第14-15页 |
| 2.2 软测量技术 | 第15-19页 |
| 2.2.1 辅助变量选择 | 第15-16页 |
| 2.2.2 数据采集与预处理 | 第16-17页 |
| 2.2.3 软测量建模 | 第17-18页 |
| 2.2.4 模型的在线校正 | 第18-19页 |
| 2.3 人工智能建模方法 | 第19-21页 |
| 2.4 关联向量机在软测量领域的研究与应用 | 第21-28页 |
| 2.4.1 模型参数优化 | 第22-23页 |
| 2.4.2 多核融合 | 第23-24页 |
| 2.4.3 多模型集成 | 第24-26页 |
| 2.4.4 模型结构优化 | 第26-28页 |
| 2.4.5 未来研究方向 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于鱼群优化的多关联向量机非线性融合建模方法 | 第30-48页 |
| 3.1 前言 | 第30页 |
| 3.2 关联向量机 | 第30-35页 |
| 3.2.1 基本原理 | 第31-34页 |
| 3.2.2 核函数的选择 | 第34-35页 |
| 3.3 鱼群优化神经网络参数方法 | 第35-43页 |
| 3.3.1 鱼群优化算法 | 第35-38页 |
| 3.3.2 人工神经网络 | 第38-41页 |
| 3.3.3 参数优化流程 | 第41-43页 |
| 3.4 非线性融合建模方法 | 第43-47页 |
| 3.4.1 设计框架 | 第43-44页 |
| 3.4.2 实施流程 | 第44-45页 |
| 3.4.3 仿真结果 | 第45-47页 |
| 3.5 小结 | 第47-48页 |
| 第四章 基于鱼群算法优化组合核参数的MVRVM建模方法 | 第48-62页 |
| 4.1 前言 | 第48-49页 |
| 4.2 多输出关联向量机 | 第49-52页 |
| 4.2.1 基本原理 | 第49-51页 |
| 4.2.2 超参数优化 | 第51-52页 |
| 4.3 鱼群优化算法优化MVRVM组合核参数方法 | 第52-55页 |
| 4.3.1 组合核函数构建 | 第52-53页 |
| 4.3.2 MVRVM参数优化 | 第53-55页 |
| 4.4 方法性能测试 | 第55-59页 |
| 4.4.1 测试数据 | 第55页 |
| 4.4.2 模型建立 | 第55-56页 |
| 4.4.3 结果与讨论 | 第56-59页 |
| 4.5 本章小结 | 第59-62页 |
| 第五章 MTO生产过程烯烃收率软测量应用研究 | 第62-74页 |
| 5.1 前言 | 第62页 |
| 5.2 甲醇制烯烃生产过程工艺 | 第62-64页 |
| 5.3 烯烃收率软测量 | 第64-73页 |
| 5.3.1 辅助变量选择 | 第64-65页 |
| 5.3.2 数据预处理 | 第65-66页 |
| 5.3.3 基于AFSA-BPNN的MRVM软测量模型 | 第66-69页 |
| 5.3.4 基于鱼群算法优化组合核参数的MVRVM软测量模型 | 第69-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74-75页 |
| 6.2 研究展望 | 第75-76页 |
| 参考文献 | 第76-84页 |
| 作者简历 | 第84-85页 |
| 致谢 | 第85页 |
