论文说明
声明
摘要
1.1 前言
1.2 全文内容安排
2.1 前言
2.2 软测量技术
2.2.1 辅助变量选择
2.2.2 数据采集与预处理
2.2.3 软测量建模
2.2.4 模型的在线校正
2.3 人工智能建模方法
2.4 关联向量机在软测量领域的研究与应用
2.4.1 模型参数优化
2.4.2 多核融合
2.4.3 多模型集成
2.4.4 模型结构优化
2.4.5 未来研究方向
2.5 本章小结
第三章 基于鱼群优化的多关联向量机非线性融合建模方法
3.1 前言
3.2 关联向量机
3.2.1 基本原理
3.2.2 核函数的选择
3.3 鱼群优化神经网络参数方法
3.3.1 鱼群优化算法
3.3.2 人工神经网络
3.3.3 参数优化流程
3.4 非线性融合建模方法
3.4.1 设计框架
3.4.2 实施流程
3.4.3 仿真结果
3.5 小结
第四章 基于鱼群算法优化组合核参数的MVRVM建模方法
4.1 前言
4.2 多输出关联向量机
4.2.1 基本原理
4.2.2 超参数优化
4.3 鱼群优化算法优化MVRVM组合核参数方法
4.3.1 组合核函数构建
4.3.2 MVRVM参数优化
4.4 方法性能测试
4.4.1 测试数据
4.4.2 模型建立
4.4.3 结果与讨论
4.5 本章小结
5.1 前言
5.2 甲醇制烯烃生产过程工艺
5.3 烯烃收率软测量
5.3.1 辅助变量选择
5.3.2 数据预处理
5.3.3 基于AFSA-BPNN的MRVM软测量模型
5.3.4 基于鱼群算法优化组合核参数的MVRVM软测量模型
5.4 本章小结
6.1 全文总结
6.2 研究展望
参考文献
作者简历
致谢