声明
第一章 绪论
1.1 引言
1.2 PTA氧化过程及研究现状
1.2.1 PTA工艺简介
1.2.2 PTA研究发展及现状
1.3 软测量技术
1.3.1软测量的数学描述
1.3.2 软测量模型的建立
1.4 研究内容与论文结构
第二章 相关理论基础
2.1 BP神经网络
2.1.1 网络结构
2.1.2 BP算法
2.2 支持向量机
2.2.1 简介
2.2.2支持向量机回归算法简介
2.3 AdaBoost算法
2.3.1算法概述
2.3.2算法原理及描述
2.3.3 对AdaBoost算法的改进
第三章 基于改进BP_AdaBoost算法的软测量技术
3.1 PTA生产建模研究
3.2改进BP_AdaBoost算法仿真实例及结果分析
3.3 基于改进的BP_AdaBoost算法的4-CBA含量软测量
3.3.1 改进BP_AdaBoost算法软测量建模
3.3.2 模型结构优化
第四章 基于改进SVR_AdaBoost算法的软测量技术
4.1基于改进SVR_AdaBoost算法
4.1.1 SVR模型的训练仿真步骤
4.1.2 改进SVR_AdaBoost算法描述
4.2 基于改进的SVR_AdaBoost算法的4-CBA含量软测量
4.2.1改进算法在PTA氧化过程中的仿真
4.2.2算法模型的分析
4.2.3基于不同弱学习器的4-CBA含量的软测量精度建模分析
第五章 总结与展望
5.1总结
5.2展望
参考文献
附录1攻读硕士学位期间撰写的论文
附录2攻读硕士学位期间申请的专利
致谢
南京邮电大学;