声明
摘要
第一章 绪论
1.1 选题背景及意义
1.2 澄清过程预测建模的研究现状
1.3 参数优化设定的研究现状
1.4 支持向量机的研究现状
1.5 粒子群优化算法的研究现状
1.6 本论文的主要研究内容和章节安排
第二章 碳酸法澄清过程的数据预处理
2.1 引言
2.2 碳酸法
2.3 碳酸法澄清工艺流程
2.4 澄清过程的工艺参数与数据样本
2.5 澄清过程的工艺条件
2.6 澄清过程的数据预处理
2.7 澄清工艺存在的问题
2.8 本章小结
第三章 碳酸法澄清过程的灰色关联分析
3.1 引言
3.2 灰色关联分析
3.2.1 GRA的原理
3.2.2 GRA的计算过程
3.2.3 GRA的改进之处
3.3 数据样本
3.4 计算过程与结果
3.5 本章小结
第四章 基于LSSVR的碳酸法澄清过程建模
4.1 引言
4.2 支持向量机的基本原理
4.2.1 统计学习理论
4.2.2 支持向量分类
4.2.3 支持向量回归
4.2.4 SVM的核函数
4.3 最小二乘支持向量回归
4.3.1 问题描述
4.3.2 最小二乘法
4.3.3 LSSVR算法
4.3.4 LSSVR计算步骤
4.4 基于LSSVR的澄清过程建模流程
4.5 基于LSSVR的澄清过程生产指标预测
4.6 本章小结
第五章 基于PSO-LSSVR的碳酸法澄清过程建模
5.1 引言
5.2 粒子群优化算法
5.2.1 PSO算法的原理
5.2.2 PSO算法的描述
5.2.3 PSO算法的参数
5.2.4 改进的PSO算法
5.3 基于PSO--LSSVR的澄清过程建模流程
5.4 基于PSO-LSSVR的澄清过程生产指标预测
5.5 基于PSO-LSSVR模型寻找澄清过程工艺参数设定值
5.5.1 寻找澄清过程工艺参数设定值步骤
5.5.2 寻找工艺设定值
5.5.3 工况样本的筛选
5.6 本章小结
第六章 碳酸法澄清过程建模的软件设计
6.1 引言
6.2 碳酸法澄清过程建模软件的设计和实现
6.2.1 碳酸法澄清过程建模软件的VB主界面
6.2.2 实时数据管理界面
6.2.3 组态王监控主界面
6.2.4 离线数据管理界面
6.3 本章小结
第七章 结论与展望
参考文献
致谢
攻读硕士期间发表的论文情况