文摘
英文文摘
声明
第一章绪论
1.1引言
1.2论文研究的背景
1.3国内外研究现状
1.3.1支持向量机理论
1.3.2理论研究
1.3.3改进算法
1.3.4增量学习算法
1.4论文研究意义
1.5本文的主要工作
第二章ISA电解生产过程分析
2.1电解铜概述
2.2电解铜生产概况
2.2.1电解反应机理
2.2.2电解生产工艺
2.3影响电解铜质量的因素
2.3.1铜酸浓度的影响
2.3.2电解过程电流密度的影响
2.3.3杂质浓度的影响
2.3.4温度的影响
2.4影响铜酸浓度的因素分析
2.4.1电解液循环系统作用
2.4.2阳极铜的作用
2.4.3其它因素的影响
2.5铜酸浓度预测的方法及意义
2.5.1铜酸浓度预测的可行性分析
2.5.2电解铜酸成分与检测量的时序关系
2.6小结
第三章AOSVR在预测模型结构辨识中的应用
3.1支持向量机概述
3.1.1支持向量机的应用和发展现状
3.1.2支持向量存在的问题
3.2 AOSVR算法概述
3.2.1在线支持向量回归原理
3.2.2 AOSVR的发展过程及应用现状
3.3 MO-AOSVR算法实现过程
3.3.1支持向量回归(SVR)原理
3.3.2支持向量回归问题转化
3.3.3边界条件划分
3.3.4新数据引起的样本变化
3.4增量算法实现
3.4.1增量关系的引入
3.4.2样本的递增算法
3.4.3样本递减算法
3.5 R阵的迭代变换
3.6增量算法的初始化
3.7本章小结
第四章三步搜索法在线确定回归模型参数
4.1回归模型参数
4.1.1核结构的确定
4.1.2风险结构化惩罚因子的选择
4.2参数优化方法的确定
4.2.1回归模型参数置信区间分析
4.2.2寻优参数置信区间确定
4.2.3三步搜索参数寻优
第五章AOSVR在电解液成分预测中的应用
5.1成分预测模型的总体规划
5.1.1模型校正机制
5.1.2模型辅助变量(二次变量)的选取
5.2数据样本处理
5.2.1数据预处理方法
5.2.2数据标准化处理
5.3回归模型参数确定及确定
5.3.1径向基核确定
5.3.2风险惩罚因子确定
5.3.3误差边界函数的确定
5.4仿真结果对比
5.5结果分析与总结
第六章结论与展望
6.1论文研究总结
6.2未来工作展望
附录
参考文献
致谢