| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究背景及研究意义 | 第12-13页 |
| 1.2 发酵过程建模方法硏究概述 | 第13-15页 |
| 1.2.1 机理模型 | 第13-14页 |
| 1.2.2 经验建模 | 第14-15页 |
| 1.2.3 混合建模 | 第15页 |
| 1.3 混合核函数研究概述 | 第15-16页 |
| 1.4 论文主要研究内容及章节安排 | 第16-18页 |
| 1.4.1 论文研究内容 | 第16-17页 |
| 1.4.2 论文章节安排 | 第17-18页 |
| 第二章 数据采集与处理 | 第18-28页 |
| 2.1 厌氧发酵原理 | 第18-21页 |
| 2.1.1 厌氧发酵基本原理 | 第18-19页 |
| 2.1.2 厌氧发酵反应的主要影响因素 | 第19-21页 |
| 2.2 数据采集与处理 | 第21-25页 |
| 2.2.1 数据采集 | 第21-22页 |
| 2.2.2 数据处理 | 第22-23页 |
| 2.2.3 模型输入参数选择 | 第23-25页 |
| 2.3 模型评价 | 第25-26页 |
| 2.4 小结 | 第26-28页 |
| 第三章 BP神经网络及LS-SVM厌氧发酵模型的研究 | 第28-46页 |
| 3.1 机器学习理论 | 第28-29页 |
| 3.1.1 机器学习概述 | 第28页 |
| 3.1.2 机器学习一般原理 | 第28-29页 |
| 3.2 基于BP神经网络的厌氧发酵模型 | 第29-37页 |
| 3.2.1 人工神经网络概述 | 第29-30页 |
| 3.2.2 BP神经网络结构 | 第30-31页 |
| 3.2.3 BP神经网络工作原理 | 第31-32页 |
| 3.2.4 BP神经网络的建立 | 第32-35页 |
| 3.2.5 仿真分析 | 第35-37页 |
| 3.3 基于LS-SVM的厌氧发酵模型 | 第37-44页 |
| 3.3.1 支持向量机回归原理 | 第37-39页 |
| 3.3.2 LS-SVM原理 | 第39-41页 |
| 3.3.3 仿真分析 | 第41-44页 |
| 3.4 BP神经网络模型及LS-SVM模型比较 | 第44页 |
| 3.5 小结 | 第44-46页 |
| 第四章 结合机理的混合核函数LS-SVM的厌氧发酵模型 | 第46-65页 |
| 4.1 核函数概论 | 第46-49页 |
| 4.1.1 核函数性质 | 第46页 |
| 4.1.2 常见的核函数 | 第46-47页 |
| 4.1.3 混合核函数的构造 | 第47-49页 |
| 4.2 核参数 | 第49-51页 |
| 4.2.1 混合核函数中参数 | 第49页 |
| 4.2.2 核参数优化方法 | 第49-51页 |
| 4.3 遗传算法优化 | 第51-57页 |
| 4.3.1 遗传算法流程 | 第51-53页 |
| 4.3.2 混合核GA-LSSVM仿真 | 第53-57页 |
| 4.4 结合机理的混合核GA-LSSVM模型 | 第57-60页 |
| 4.4.1 常用两种发酵罐机理模型理论 | 第57-58页 |
| 4.4.2 相关参数机理函数 | 第58-59页 |
| 4.4.3 仿真 | 第59-60页 |
| 4.5 两种不同模型的效果对比 | 第60-63页 |
| 4.6 小结 | 第63-65页 |
| 第五章 结合机理混合核LS-SVM模型的应用 | 第65-71页 |
| 5.1 虚拟仪器与MATLAB概述 | 第65-66页 |
| 5.1.1 LabVIEW概述 | 第65页 |
| 5.1.2 MATLAB概述 | 第65-66页 |
| 5.2 LabVIEW调用MATLAB的方法 | 第66-67页 |
| 5.2.1 LabVIEW MathScript与MATLAB混合编程 | 第66-67页 |
| 5.2.2 LabVIEW MatlabScript与MATLAB混合编程 | 第67页 |
| 5.3 基于LabVIEW产气量预测界面设计 | 第67-69页 |
| 5.4 小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 研究总结 | 第71-72页 |
| 6.2 研究展望 | 第72-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 附录A 攻读硕士期间学术成果 | 第79页 |
