| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-20页 |
| ·引言 | 第12-13页 |
| ·聚合反应工程以及聚合过程的特点 | 第13-14页 |
| ·聚合过程中的数据挖掘技术 | 第14-18页 |
| ·神经网络 | 第15-16页 |
| ·遗传算法 | 第16-17页 |
| ·预测控制 | 第17-18页 |
| ·本文的主要研究内容 | 第18-20页 |
| 第二章 神经网络及其在聚合过程中的应用 | 第20-42页 |
| ·引言 | 第20页 |
| ·神经网络的类型 | 第20-24页 |
| ·连接方式 | 第21-22页 |
| ·学习方式 | 第22页 |
| ·学习算法 | 第22-24页 |
| ·过程建模 | 第24-30页 |
| ·过程预测 | 第30-32页 |
| ·过程控制 | 第32-38页 |
| ·过程优化 | 第38-40页 |
| ·小结 | 第40-42页 |
| 第三章 神经网络建模与学习方法改进 | 第42-69页 |
| ·引言 | 第42页 |
| ·基于神经网络程建模的基本步骤 | 第42-43页 |
| ·多层前向神经网络 | 第43-45页 |
| ·一种改进BP训练算法 | 第45-56页 |
| ·标准BP算法 | 第45-49页 |
| ·学习算法的改进 | 第49-54页 |
| ·改进算法结果比较 | 第54-56页 |
| ·遗传算法的改进 | 第56-67页 |
| ·遗传算法的特点 | 第56-58页 |
| ·遗传算法的基本操作算子 | 第58-60页 |
| ·标准遗传算法 | 第60-63页 |
| ·一种改进的遗传算法 | 第63-67页 |
| ·小结 | 第67-69页 |
| 第四章 苯乙烯-马来酸酐本体共聚合过程神经网络建模 | 第69-80页 |
| ·引言 | 第69页 |
| ·苯乙烯与马来酸酐共聚合过程 | 第69-71页 |
| ·神经网络建模 | 第71-74页 |
| ·仿真结果与讨论 | 第74-78页 |
| ·小结 | 第78-80页 |
| 第五章 基于组合神经网络-岭回归方法聚合物质量预测 | 第80-102页 |
| ·引言 | 第80-81页 |
| ·聚合物质量预测 | 第81-83页 |
| ·组合预测模型 | 第83-84页 |
| ·岭回归方法 | 第84-88页 |
| ·多元线性回归的数学模型 | 第84页 |
| ·参数的最小二乘估计 | 第84-87页 |
| ·岭回归 | 第87-88页 |
| ·组合神经网络-岭回归方法 | 第88-90页 |
| ·PVC树脂颗粒特性的组合神经网络模型 | 第90-101页 |
| ·组合神经网络建模 | 第91-98页 |
| ·结果与讨论 | 第98-101页 |
| ·小结 | 第101-102页 |
| 第六章 神经网络模型预测控制算法 | 第102-115页 |
| ·引言 | 第102页 |
| ·神经网络预测控制系统的体系结构 | 第102-103页 |
| ·ANN预测控制算法 | 第103-111页 |
| ·单步ANN预测控制算法 | 第104-106页 |
| ·多步ANN预测控制算法 | 第106-109页 |
| ·时滞系统ANN预测控制算法 | 第109-111页 |
| ·连续搅拌反应釜(CSTR)温度控制仿真 | 第111-113页 |
| ·小结 | 第113-115页 |
| 第七章 总结与展望 | 第115-119页 |
| ·全文总结 | 第115-117页 |
| ·研究展望 | 第117-119页 |
| 参考文献 | 第119-130页 |
| 附录 | 第130-139页 |
| 致谢 | 第139页 |