乙烯生产过程能效监测系统预测评估模块实现
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 课题国内外发展现状 | 第9-10页 |
| 1.2.1 乙烯工业预测评估技术现状 | 第9页 |
| 1.2.2 乙烯工业预测评估模块现状 | 第9-10页 |
| 1.3 课题研究意义与研究内容 | 第10-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 2 乙烯生产工艺及指标选取 | 第12-20页 |
| 2.1 乙烯生产工艺 | 第12-15页 |
| 2.1.1 裂解过程 | 第12-13页 |
| 2.1.2 急冷过程 | 第13-14页 |
| 2.1.3 压缩过程 | 第14-15页 |
| 2.1.4 分离过程 | 第15页 |
| 2.2 乙烯生产能效预测指标 | 第15-19页 |
| 2.2.1 乙烯能效分析 | 第15-18页 |
| 2.2.2 能效预测指标 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 3 乙烯生产能效指标预测建模 | 第20-36页 |
| 3.1 乙烯能效指标预测模型选择原则 | 第20页 |
| 3.2 相关性分析 | 第20-21页 |
| 3.2.1 皮尔逊相关系数概述 | 第20-21页 |
| 3.2.2 皮尔逊相关系数基本原理 | 第21页 |
| 3.3 BP神经网络基本原理 | 第21-24页 |
| 3.3.1 BP神经网络 | 第21-22页 |
| 3.3.2 BP网络的学习 | 第22-23页 |
| 3.3.3 BP神经网络存在的问题 | 第23-24页 |
| 3.4 粒子群优化算法原理 | 第24-26页 |
| 3.4.1 粒子群算法原理解析 | 第24-25页 |
| 3.4.2 基本粒子群算法流程 | 第25-26页 |
| 3.5 乙烯能效指标预测模型参数选择 | 第26-27页 |
| 3.6 基于粒子群算法的BP神经网络预测模型 | 第27-29页 |
| 3.7 指标预测仿真结果与分析 | 第29-35页 |
| 3.8 本章小结 | 第35-36页 |
| 4 乙烯生产过程能效监测系统设计 | 第36-42页 |
| 4.1 乙烯能效监测系统的目标 | 第36-37页 |
| 4.2 能效监测系统结构设计 | 第37-38页 |
| 4.3 系统关键技术分析 | 第38-41页 |
| 4.3.1 系统前端开发技术 | 第39-40页 |
| 4.3.2 系统后台开发环境 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 5 乙烯生产过程能效监测系统预测评估模块实现 | 第42-57页 |
| 5.1 系统搭建思路 | 第42页 |
| 5.2 系统开发环境搭建 | 第42-43页 |
| 5.3 乙烯能效监测系统前端搭建 | 第43-48页 |
| 5.4 乙烯能效监测系统数据交互 | 第48-51页 |
| 5.4.1 后台数据解析 | 第48-50页 |
| 5.4.2 后台数据应用 | 第50-51页 |
| 5.5 乙烯能效监测系统预测评估模块搭建 | 第51-55页 |
| 5.5.1 预测评估模块前台搭建 | 第51-53页 |
| 5.5.2 预测模块数据框架搭建及模型运行 | 第53-55页 |
| 5.6 系统优化方向 | 第55-56页 |
| 5.7 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-61页 |
