声明
论文说明
摘要
变量说明
第一章 绪论
1.1 前言
1.2 热虹吸式再沸器
1.3 软测量技术
1.3.1 主元分析
1.3.2 偏最小二乘
1.3.3 支持向量机
1.3.4 人工神经网络
1.4 全文内容安排
第二章 最小二乘支持向量机软测量模型
2.1 前言
2.2 对再沸器机理模型的研究
2.3 不同因素对支持向量机模型拟合精度的影响
2.3.1 实验一:训练样本是否包含检测样本
2.3.2 实验二:输入变量的影响
2.3.3 实验三:输出变量的影响
2.3.4 实验四:训练样本容量的影响
2.3.5 实验五:时间间隔的影响
2.3.6 实验六:事件前后的影响
2.4 实验结果讨论
第三章 利用神经网络建立软测量模型
3.1 前言
3.2 神经网络算法权重迭代流程图
3.3 设计实验考察神经网络模型的拟合规律
3.3.1 实验一:训练样本是否包含检测样本
3.3.2 实验二:输入变量的影响
3.3.3 实验三:输出变量的影响
3.3.4 实验四:训练样本容量的影响
3.3.5 实验五:时间间隔的影响
3.3.6 实验六:事件前后的影响
3.4 实验结果讨论
第四章 结合移动窗方法的神经网络模型
4.1 前言
4.2 移动窗神经网络原理
4.2.1 多种移动窗神经网络
4.2.2 移动窗神经网络算法建模步骤
4.3 移动窗模型设计实验
4.3.1 实验一:窗口长度和取样区间的影响
4.3.2 实验二:窗口长度的影响
4.3.3 实验三:数据块长度的影响
4.4 实验结果讨论
第五章 结论与展望
5.1 结论
5.2 创新点
5.3 展望
参考文献
作者简历及论文发表情况
致谢