| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-21页 |
| 1.1 引言 | 第9页 |
| 1.2 聚丙烯熔融指数预报 | 第9-12页 |
| 1.2.1 丙烯聚合工业生产 | 第9-10页 |
| 1.2.2 熔融指数 | 第10页 |
| 1.2.3 熔融指数预报的研究现状 | 第10-12页 |
| 1.3 人工智能算法 | 第12-17页 |
| 1.3.1 引言 | 第12页 |
| 1.3.2 粒子群优化算法 | 第12-13页 |
| 1.3.3 遗传算法 | 第13-14页 |
| 1.3.4 蚁群算法 | 第14-16页 |
| 1.3.5 人工智能算法的应用研究 | 第16-17页 |
| 1.4 果蝇优化算法和自由搜索算法 | 第17-19页 |
| 1.4.1 果蝇优化算法及其研究现状 | 第17-18页 |
| 1.4.2 自由搜索算法及其研究现状 | 第18-19页 |
| 1.5 本文的结构与安排 | 第19-21页 |
| 2 熔融指数预报模型 | 第21-35页 |
| 2.1 引言 | 第21页 |
| 2.2 建模对象过程介绍 | 第21-22页 |
| 2.3 过程数据与预处理 | 第22-23页 |
| 2.4 预报模型的性能指标 | 第23-25页 |
| 2.5 统计建模工具 | 第25-29页 |
| 2.5.1 最小二乘支持向量机 | 第25-26页 |
| 2.5.2 小波神经网络 | 第26-27页 |
| 2.5.3 T-S模糊神经网络 | 第27-29页 |
| 2.6 熔融指数预报模型性能分析 | 第29-33页 |
| 2.7 小结 | 第33-35页 |
| 3 基于FOA熔融指数预报模型优化研究 | 第35-53页 |
| 3.1 引言 | 第35页 |
| 3.2 果蝇优化算法 | 第35-41页 |
| 3.2.1 算法基本原理 | 第35-36页 |
| 3.2.2 果蝇优化算法的基本步骤 | 第36-37页 |
| 3.2.3 自适应变异的果蝇优化算法 | 第37-39页 |
| 3.2.4 改进的果蝇优化算法 | 第39-41页 |
| 3.3 自适应变异的果蝇优化算法优化的最小二乘支持向量机预报模型 | 第41-46页 |
| 3.3.1 AM-FOA-LSSVM预报模型 | 第41-42页 |
| 3.3.2 模型性能分析 | 第42-46页 |
| 3.4 改进的果蝇优化算法优化的小波神经网络预报模型 | 第46-50页 |
| 3.4.1 IFOA-WNN预报模型 | 第46-48页 |
| 3.4.2 模型性能分析 | 第48-50页 |
| 3.5 小结 | 第50-53页 |
| 4 基于FS熔融指数预报模型优化研究 | 第53-61页 |
| 4.1 引言 | 第53页 |
| 4.2 自由搜索算法 | 第53-55页 |
| 4.2.1 自由搜索算法的基本原理和步骤 | 第53-54页 |
| 4.2.2 产生灾变的自由搜索算法 | 第54-55页 |
| 4.3 改进的自由搜索算法优化的T-S模糊神经网络模型 | 第55-59页 |
| 4.3.1 IFS-T-S预报模型 | 第55-56页 |
| 4.3.2 模型性能分析 | 第56-59页 |
| 4.4 小结 | 第59-61页 |
| 5 全文总结与展望 | 第61-63页 |
| 5.1 全文总结 | 第61-62页 |
| 5.2 研究设想与展望 | 第62-63页 |
| 参考文献 | 第63-71页 |
| 致谢 | 第71-73页 |
| 作者攻读硕士期间的主要成果 | 第73页 |
