| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·引言 | 第9页 |
| ·PTA装置溶剂脱水塔的现状 | 第9-10页 |
| ·化工建模方法综述 | 第10-13页 |
| ·机理建模 | 第10-11页 |
| ·辨识建模 | 第11-12页 |
| ·混合建模 | 第12-13页 |
| ·本文研究内容及各章安排 | 第13-14页 |
| 第2章 溶剂脱水塔精馏过程机理模型建立 | 第14-36页 |
| ·引言 | 第14页 |
| ·严格机理模型 | 第14-19页 |
| ·平衡级模型 | 第14-17页 |
| ·非平衡级模型 | 第17-19页 |
| ·严格机理模型的选择 | 第19页 |
| ·溶剂脱水塔机理建模 | 第19-28页 |
| ·溶剂脱水塔工艺流程 | 第19-20页 |
| ·物性方法选择 | 第20-23页 |
| ·塔板效率 | 第23-25页 |
| ·METSH基本方程 | 第25-28页 |
| ·不同工况下的溶剂脱水塔模拟 | 第28-34页 |
| ·塔板效率与各因素之间的相关性分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 基于支持向量机塔板效率模型的溶剂脱水塔混合智能模型 | 第36-48页 |
| ·引言 | 第36页 |
| ·支持向量机回归算法 | 第36-39页 |
| ·基于LS-SVM回归的Murphree塔板效率模型 | 第39-44页 |
| ·基于LS-SVM塔板效率模型的塔混合智能模型 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于神经网络塔板效率模型的溶剂脱水塔混合智能模型 | 第48-57页 |
| ·引言 | 第48页 |
| ·BP神经网络 | 第48-50页 |
| ·基于BP网络的Murphree塔板效率模型 | 第50-53页 |
| ·基于BP网络塔板效率的混合智能模型及两类混合模型性能比较 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| ·本文的研究工作总结 | 第57页 |
| ·本文进一步工作的展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 作者在攻读硕士期间发表的论文 | 第63页 |
