湿法炼锌逆锑盐净化二段多金属离子浓度预报模型
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景 | 第8-9页 |
| ·湿法炼锌逆锑盐净化过程研究现状 | 第9-10页 |
| ·过程建模方法研究现状 | 第10-14页 |
| ·机理建模方法 | 第11页 |
| ·基于数据驱动的建模方法 | 第11-13页 |
| ·智能集成建模方法 | 第13-14页 |
| ·论文的研究内容 | 第14-16页 |
| 第二章 湿法炼锌逆锑盐净化过程工艺分析 | 第16-28页 |
| ·锌湿法冶炼概述 | 第16-17页 |
| ·逆锑盐三段净化工艺介绍 | 第17-20页 |
| ·净化效果的主要影响因素 | 第20-22页 |
| ·基于主元分析的影响因素分析 | 第22-24页 |
| ·净化过程工艺指标 | 第24-25页 |
| ·净化过程建模思路 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 净化过程离子浓度机理预报模型 | 第28-38页 |
| ·金属离子置换反应机理 | 第28-29页 |
| ·净化过程动力学模型 | 第29-31页 |
| ·置换反应速度常数影响因素分析 | 第31-32页 |
| ·偏最小二乘回归辨识方法 | 第32-34页 |
| ·机理模型仿真分析 | 第34-37页 |
| ·机理模型结构 | 第34-35页 |
| ·计算所需数据 | 第35-36页 |
| ·仿真结果 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于支持向量机的净化过程离子浓度预报模型 | 第38-50页 |
| ·支持向量机回归 | 第38-41页 |
| ·线性支持向量机回归 | 第38-40页 |
| ·非线性支持向量机回归 | 第40-41页 |
| ·最小二乘支持向量机 | 第41-44页 |
| ·核函数选择 | 第42-43页 |
| ·模型参数选择 | 第43-44页 |
| ·基于QPSO LS-SVM的净化过程建模 | 第44-47页 |
| ·LS-SVM模型输入输出变量的确定 | 第44页 |
| ·LS-SVM模型的结构 | 第44页 |
| ·建模数据的预处理 | 第44-46页 |
| ·HQPSO优化调整LS-SVM建模参数 | 第46-47页 |
| ·仿真计算 | 第47-49页 |
| ·模型的仿真 | 第47-48页 |
| ·结果分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于智能集成的净化过程离子浓度预报模型 | 第50-57页 |
| ·机理模型和LS-SVM模型存在问题 | 第50页 |
| ·净化过程离子浓度建模分析 | 第50-51页 |
| ·基于智能集成的净化过程建模 | 第51-55页 |
| ·净化过程离子浓度预报模型结构 | 第51-52页 |
| ·智能协调器的设计 | 第52-54页 |
| ·净化过程离子浓度预报模型仿真 | 第54-55页 |
| ·净化过程离子浓度预报模型评价 | 第55-56页 |
| ·评价标准 | 第55页 |
| ·模型比较及结果分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间主要研究成果 | 第64页 |
