基于ELM的时序数据建模及应用研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 基于数据的建模方法研究现状 | 第12-14页 |
| 1.2.2 基于统计学的方法 | 第12-13页 |
| 1.2.3 基于人工智能的方法 | 第13-14页 |
| 1.3 过程数据滤波算法研究现状 | 第14-16页 |
| 1.3.1 小波域阈值滤波 | 第15-16页 |
| 1.3.2 扩展卡尔曼滤波 | 第16页 |
| 1.4 超限学习机 | 第16-19页 |
| 1.4.1 超限学习机的发展 | 第16-17页 |
| 1.4.2 超限学习机理论现状 | 第17-18页 |
| 1.4.3 超限学习机应用现状 | 第18-19页 |
| 1.5 本文研究内容与论文结构 | 第19-21页 |
| 第二章 过程数据滤波算法研究 | 第21-34页 |
| 2.1 引言 | 第21页 |
| 2.2 自适应滤波算法 | 第21-26页 |
| 2.2.1 算法原理 | 第22-24页 |
| 2.2.2 最佳多项式拟合 | 第24-26页 |
| 2.3 滤波算法实现流程 | 第26-28页 |
| 2.3.1 自适应滤波 | 第26-27页 |
| 2.3.2 小波域阈值滤波 | 第27页 |
| 2.3.3 扩展卡尔曼滤波 | 第27-28页 |
| 2.4 滤波算法去噪效果对比 | 第28-32页 |
| 2.4.1 实验1:含噪洛伦兹数据 | 第29-30页 |
| 2.4.2 实验2:电功耗数据 | 第30-32页 |
| 2.4.3 实验结果分析 | 第32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 超限学习机原理及其改进算法 | 第34-48页 |
| 3.1 引言 | 第34页 |
| 3.2 超限学习机 | 第34-38页 |
| 3.2.1 数学模型 | 第34-35页 |
| 3.2.2 固定型超限学习机 | 第35-37页 |
| 3.2.3 增量型超限学习机 | 第37-38页 |
| 3.3 基于隐层输出权值最优化的改进方法 | 第38-42页 |
| 3.3.1 算法原理 | 第39-41页 |
| 3.3.2 实现流程 | 第41-42页 |
| 3.4 仿真实验对比 | 第42-47页 |
| 3.4.1 收敛性能 | 第44-45页 |
| 3.4.2 预测精度、训练速度 | 第45-46页 |
| 3.4.3 网络稳定性 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于半实物仿真实验系统的磨矿过程动态仿真 | 第48-59页 |
| 4.1 引言 | 第48页 |
| 4.2 半实物仿真实验系统简介 | 第48-50页 |
| 4.3 磨矿过程介绍 | 第50-54页 |
| 4.3.1 工艺流程简介 | 第50-52页 |
| 4.3.2 控制方案设计 | 第52-54页 |
| 4.4 磨矿过程动态仿真实现流程 | 第54-58页 |
| 4.4.1 磨矿过程虚拟对象搭建 | 第54-56页 |
| 4.4.2 虚拟执行机构与检测装置平台配置 | 第56页 |
| 4.4.3 过程控制及监控系统的设计 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 基于Ⅱ-ELM的建模及验证 | 第59-71页 |
| 5.1 引言 | 第59页 |
| 5.2 螺旋分级机建模 | 第59-65页 |
| 5.2.1 模型变量选择 | 第59-60页 |
| 5.2.2 数据获取及去噪处理 | 第60-62页 |
| 5.2.3 基于Ⅱ-ELM的建模 | 第62-65页 |
| 5.3 模型有效性验证 | 第65-70页 |
| 5.3.1 离线验证 | 第65-69页 |
| 5.3.2 在线验证 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 结论与展望 | 第71-73页 |
| 6.1 论文总结 | 第71页 |
| 6.2 研究展望 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间完成的学术论文 | 第77页 |
