摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 绪论 | 第9-13页 |
1.1 论文的选题背景与研究意义 | 第9-11页 |
1.2 国内外研究现状 | 第11-12页 |
1.3 论文的主要研究内容 | 第12-13页 |
2 软测量方法的理论与基础 | 第13-24页 |
2.1 软测量方法研究现状及问题 | 第14-16页 |
2.2 动态软测量建模方法研究 | 第16-23页 |
2.2.1 辅助变量选择 | 第17页 |
2.2.2 数据采集及预处理 | 第17-18页 |
2.2.3 模型结构的选择 | 第18-21页 |
2.2.4 模型评估 | 第21-23页 |
2.3 小结 | 第23-24页 |
3 回声状态网络 | 第24-35页 |
3.1 基本ESN | 第25-27页 |
3.2 基本LiESN | 第27-28页 |
3.3 基于全局参数约束的LiESN的梯度下降学习算法 | 第28-31页 |
3.4 基于扩展LiESN的离线在线学习算法 | 第31-34页 |
3.4.1 基于扩展LiESN的岭回归离线学习算法 | 第31-33页 |
3.4.2 基于扩展LiESN的递推最小二乘在线学习算法 | 第33-34页 |
3.5 小结 | 第34-35页 |
4 基于扩展LiESN在化工过程动态软测量建模中的应用 | 第35-51页 |
4.1 基于扩展LiESN的动态软测量建模在脱丁烷塔中的应用 | 第35-40页 |
4.1.1 应用背景 | 第35-37页 |
4.1.2 基于扩展LiESN的动态软测量建模实验 | 第37-40页 |
4.2 基于扩展LiESN动态软测量建模方法在SRU中的应用 | 第40-47页 |
4.2.1 应用背景 | 第40-42页 |
4.2.2 基于扩展LiESN的动态软测量建模实验 | 第42-47页 |
4.3 基于全局参数约束的LiESN在SRU中的应用 | 第47-49页 |
4.4 小结 | 第49-51页 |
结论 | 第51-52页 |
致谢 | 第52-53页 |
参考文献 | 第53-56页 |
攻读学位期间的研究成果 | 第56页 |