声明
摘要
符号说明
第一章绪论
1.1研究背景
1.2软测量技术研究现状
1.2.1软测量技术分类
1.2.2过程工业数据的特点
1.2.3软测量技术的应用
1.2.4数据驱动的软测量预测方法
1.2.5前人在本选题研究领域中的工作成果简述
1.2.6本选题研究的主要内容和重点
第二章支持向量机预测建模理论
2.1.1学习过程一致性理论
2.1.2VC维理论与构造学习过程收敛的界
2.1.3控制学习过程推广能力与结构风险最小化理论
2.2支持向量回归建模理论
2.3软测量预测模型一般建模过程
2.3.1第一次数据清洗
2.3.2状态识别
2.3.3数据预处理过程
2.3.4模型选择、训练和验证
2.3.5软测量系统维护
第三章基于支持向量回归的软测量回归预测建模方法
3.1基于参数优化的SVR软测量模型
3.1.1数据清洗、数据预处理和数据集分割
3.1.2模型训练、参数优化与模型验证
3.2基于ADO-SVR软测量模型
3.2.1 ALD条件判断
3.2.2移动窗技术
3.2.3 ADO-SVR软测量模型
3.3本章小结
第四章SVR预测模型在乙烯生产过程中的应用
4.1生产历史数据分析
4.2乙烯裂解炉装置出口产品组成预测结果
4.2.1基于参数优化的SVR软测量建模预测结果
4.2.2多种软测量建模方法预测结果对比
4.3乙烯裂解炉装置炉管出口温度预测
4.3.1基于参数优化的SVR软测量建模预测结果
4.3.2学习样本容量不同情况下多种软测量建模方法预测结果对比
4.4本章小结
第五章ADO-SVR预测模型在乙烯生产过程中的应用
5.1移动窗口长度的选择
5.2乙烯裂解炉装置出口产品组成与出口温度预测
5.3乙烯裂解炉装置出口温度预测
5.4乙烯裂解炉装置炉管外壁温度预测
5.5本章小结
第六章结论与展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介