| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-18页 |
| ·引言 | 第9-10页 |
| ·软测量技术概述 | 第10-11页 |
| ·软测量模型的描述 | 第11-12页 |
| ·建立软测量模型的方法 | 第12-16页 |
| ·纯机理建模方法 | 第12页 |
| ·基于数据驱动的建模方法 | 第12-16页 |
| ·混合建模方法 | 第16页 |
| ·论文的主要内容与结构 | 第16-18页 |
| 第二章 基于数据驱动的典型软测量建模技术 | 第18-35页 |
| ·引言 | 第18页 |
| ·主元回归和部分最小二乘 | 第18-26页 |
| ·多元线性回归 | 第19-20页 |
| ·主元分析和主元回归 | 第20-23页 |
| ·部分最小二乘 | 第23-26页 |
| ·人工神经网络 | 第26-30页 |
| ·人工神经网络的发展 | 第26-28页 |
| ·三层前传神经网络的结构 | 第28-29页 |
| ·几种典型的神经网络 | 第29-30页 |
| ·支持向量机 | 第30-33页 |
| ·ERM原则和SRM原则 | 第30-32页 |
| ·基于支持向量机的线性回归 | 第32页 |
| ·基于支持向量机的非线性回归 | 第32-33页 |
| ·小结 | 第33-35页 |
| 第三章 基于PLS快速剪枝法的RBFNN软测量建模方法 | 第35-44页 |
| ·引言 | 第35页 |
| ·径向基函数神经网络(RBFNN) | 第35-38页 |
| ·径向基函数神经网络的结构 | 第35-37页 |
| ·径向基函数神经网络的逼近能力 | 第37-38页 |
| ·径向基函数神经网络的学习算法 | 第38页 |
| ·基于PLS空间变换的神经网络快速剪枝法 | 第38-40页 |
| ·基于PLS快速剪枝法的RBFNN建模方法 | 第40-42页 |
| ·基于PLS快速剪枝法的RBFNN建模方法的步骤 | 第40页 |
| ·基于PLS快速剪枝法的RBFNN建模方法的仿真应用 | 第40-42页 |
| ·小结 | 第42-44页 |
| 第四章 基于LS-SVM的软测量建模方法 | 第44-51页 |
| ·引言 | 第44页 |
| ·最小二乘支持向量机(LS-SVM) | 第44-48页 |
| ·标准支持向量机的结构 | 第45页 |
| ·最小二乘支持向量机 | 第45-47页 |
| ·最小二乘支持向量机建模 | 第47-48页 |
| ·最小二乘支持向量机建模方法的仿真应用 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第五章 软测量建模技术在实际工业过程中的应用研究 | 第51-62页 |
| ·引言 | 第51页 |
| ·精对苯二甲酸(PTA)晶体平均粒径软测量建模 | 第51-55页 |
| ·PTA精制过程简介 | 第51-52页 |
| ·软测量模型输入变量的选择及性能评价指标 | 第52-53页 |
| ·工业数据仿真结果 | 第53-55页 |
| ·复合肥装置养分含量软测量建模 | 第55-60页 |
| ·复合肥装置工艺和生产流程简介 | 第55-57页 |
| ·软测量模型的建立 | 第57-58页 |
| ·工业数据仿真结果 | 第58-60页 |
| ·小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-72页 |
| 作者在攻读硕士学位期间发表的论文 | 第72-73页 |
| 致谢 | 第73页 |