文摘
英文文摘
第1章 绪论
1.1 软测量
1.2 支持向量机
1.2.1 支持向量机原理
1.2.2 支持向量机与人工神经元网络
1.2.3 支持向量机研究现状
1.3 核主元分析
1.4 苛性比值与溶出率检测现状及其软测量
1.4.1 苛性比值与溶出率的重要意义
1.4.2 苛性比值与溶出率的检测现状
1.5 论文研究内容及结构
第2章 支持向量机和核主元分析
2.1 支持向量机(SVM)
2.1.1 硬间隔支持向量机
2.1.2 L1软间隔支持向量机(L1SVM)
2.1.3 映射到高维空间
2.1.4 L2软间隔支持向量机(L2SVM)
2.2 模型选择
2.2.1 Bootstrap用于模型选择
2.3 核主元分析(KPCA)
第3章 基于KPCA-SVR的软测量
3.1 辅助变量的选择
3.2 数据选择和数据协调
3.2.1 数据选择
3.2.2 数据协调(Data Reconciliation)
3.3 回归量选择
3.3.1 关联性分析和分散点图
3.3.2 Mallows统计法(Mallows' statistics)
3.3.3 主元分析(PCA)和核主元分析(KP CA)
3.4 基于核方法的软测量模型
3.4.1 最优超平面
3.4.2 L1软间隔支持向量回归(L1SVR)
3.4.3 L2软间隔支持向量回归(L2SVR)
3.4.4 最小二乘支持向量回归(LSSVR)
3.4.5 v-支持向量回归(v-SVR)
3.4.6 基于KPCA-SVR的软测量建模
3.5 模型检验
3.6 模型校正
3.7 仿真研究
第4章 基于KPCA-SVR软测量技术在氧化铝溶出工业过程中的应用研究
4.1 拜耳法氧化铝溶出工艺描述
4.1.1 拜耳法溶出基本原理
4.1.2 管道化溶出基本过程工艺流程
4.1.3 苛性比值及溶出率
4.2 KPCA-SVR软测量建模
4.2.1 辅助变量的选择
4.2.1 软测量模型工业数据仿真
第5章 结论
参考文献
致谢