声明
第一章 绪 论
1.1 研究背景与意义
1.2 研究内容安排
第二章 文献综述
2.1 前 言
2.2 单一建模方法
2.2.1 机理模型
2.2.2 数据驱动模型
2.3 多模型融合建模方法
2.3.1 混合建模方法
2.3.2 同类数据驱动建模方法
2.3.3 异类数据驱动建模方法
2.4 多模型融合建模方法研究展望
2.5 本章小结
第三章 基于同类子模型的多模型融合建模方法
3.1 前 言
3.2 单一建模方法
3.2.1 BP 神经网络
3.2.2 支持向量机
3.2.3 极限学习机
3.3 同类模型融合方法
3.3.1 模型框架
3.3.2 组合权重求取方法
3.3.3 实施步骤
3.4 方法测试与分析
3.4.1 数据收集
3.4.2 模型建立
3.4.3 模型测试与性能评价
3.5 本章小结
第四章 基于异类子模型的多模型融合建模方法
4.1 前 言
4.2 异类模型融合方法
4.2.1 模型框架
4.2.2 组合权重求取方法
4.2.3 实施步骤
4.3 方法测试与分析
4.3.1 模型建立
4.3.2 模型测试与性能评价
4.4 本章小结
第五章 CO2在离子液体中溶解度预测应用研究
5.1 前 言
5.2 模型建立
5.2.1 数据收集与分析
5.2.2 子模型建立
5.3 融合模型应用结果与分析
5.3.1 同类子模型融合模型应用
5.3.2 异类子模型融合模型应用
5.3.3 两种模型的应用对比分析
5.4 本章小结
第六章 总结与展望
6.1 全文总结
6.2 研究展望
参考文献
附 录
致 谢
作者简介
1 作者简历
2 攻读硕士学位期间发表的学术论文
3 参与的科研项目及获奖情况
4 发明专利
学位论文数据集
浙江工业大学;