人工智能与大数据:工业聚丙烯智能制造电子书

书名页

内容简介

版权

前言

第1章　绪论

1.1　丙烯聚合工业介绍

1.1.1　聚丙烯及其熔融指数

1.1.2　现代聚丙烯工艺

1.2　过程建模

1.2.1　建模对象过程介绍

1.2.2　聚丙烯生产工艺流程及装置

1.2.3　建模变量的确定

1.3　研究现状

1.3.1　基于线性统计理论的预测模型

1.3.2　基于智能理论的预测模型

1.3.3　基于非线性理论的预测模型

1.4　研究难点

思考题

第2章　机理模型

2.1　丙烯聚合机理模型

2.1.1　微观尺度模型

2.1.2　介观尺度模型

2.1.3　宏观尺度模型

2.2　丙烯聚合反应的动力学

2.3　单粒子增长模型

2.3.1　改进的单粒子模型的建立

2.3.2　CSA基本思想

2.3.3　模型结果与分析

2.4　聚丙烯反应器模型

2.4.1　聚丙烯生产过程建模的主要困难

2.4.2　反应机理的简化及其反应动力学

2.4.3　模型求解步骤

2.4.4　反应动力学参数的确定

2.4.5　模型参数在线自动校正

2.4.6　模型运行结果分析

本章小结

思考题

第3章　数据驱动方法

3.1　统计学习理论基本概念

3.1.1　最小化期望风险的准则

3.1.2　建立有用预测变量的规则

3.2　常用统计学习方法

3.2.1　统计分析

3.2.2　NNs

3.2.3　支持向量机

3.2.4　混沌

3.2.5　半监督

本章小结

思考题

第4章　神经网络

4.1　人工神经网络介绍

4.1.1　人工神经网络的发展

4.1.2　人工神经网络的基本功能

4.1.3　人工神经网络的优缺点

4.2　PCA-RBF神经网络模型的建立

4.2.1　RBF神经网络方法

4.2.2　结构原理

4.2.3　RBF神经网络与BP神经网络的比较

4.3　主元分析法

4.3.1　问题的提出

4.3.2　多维推广

4.3.3　贡献率和累积贡献率

4.4　PCA-RBF神经网络模型在MI预报中的应用

4.4.1　过程变量的确定及建模数据的采集

4.4.2　MI预报的PCA-RBF神经网络建模

4.4.3　仿真结果与分析

本章小结

思考题

第5章　支持向量机

5.1　支持向量机简介

5.1.1　支持向量分类机

5.1.2　支持向量回归机

5.2　支持向量机理论

5.2.1　SVM非线性回归原理

5.2.2　最小二乘支持向量机

5.2.3　加权最小二乘支持向量机

5.2.4　相关向量机

5.2.5　相关向量机的基本理论

5.2.6　相关向量机模型基本原理

5.3　SVM在聚丙烯熔融指数预报中的应用

5.3.1　过程数据及其预处理

5.3.2　模型性能比较

本章小结

思考题

第6章　模糊理论

6.1　模糊神经网络介绍

6.1.1　模糊理论介绍

6.1.2　模糊集合

6.1.3　模糊理论的特点

6.2　模糊神经网络介绍

6.3　模糊神经网络在熔融指数软测量中的应用分析

本章小结

思考题

第7章　混沌理论

7.1　混沌理论基本介绍

7.1.1　混沌理论的发展

7.1.2　混沌的定义

7.1.3　典型混沌时间序列

7.2　混沌时间序列预测的研究现状

7.3　时间序列的混沌特性识别研究

7.3.1　平稳性分析

7.3.2　非线性检验

7.3.3　相空间重构

7.3.4　关联维数

7.3.5　Lyapunov指数

7.3.6　Kolmogorov熵

7.4　熔融指数时间序列的混沌特性分析

7.4.1　平稳性分析

7.4.2　非线性检验

7.4.3　相空间重构

7.5　基于FWNN的熔融指数混沌预报研究

7.5.1　小波神经网络简介

7.5.2　模糊小波神经网络

7.5.3　网络学习算法

7.5.4　基于FWNN的熔融指数混沌预报模型

7.6　实例验证

本章小结

思考题

第8章　多尺度

8.1　基于多尺度分析的熔融指数组合预测研究

8.1.1　小波变换

8.1.2　经验模态分解

8.2　熔融指数时间序列的多尺度分析

8.2.1　小波分解与经验模态分解的结果分析与比较

8.2.2　对分解序列的混沌特性分析

8.3　基于多尺度分析的熔融指数组合预测模型

8.3.1　组合预测方法

8.3.2　基于多尺度分析的熔融指数组合预测模型

8.4　实例验证

本章小结

思考题

第9章　半监督

9.1　基于核密度估计的稀疏贝叶斯半监督回归

9.2　基于KDSBSR的熔融指数预报模型

9.3　实例验证

9.3.1　不同熔融指数标签采样率下KDSBSR模型预报效果考察

9.3.2　不同半监督模型预报性能对比研究

本章小结

思考题

第10章　群智能

10.1　基于ACO算法模型优化研究

10.1.1　ACO算法介绍

10.1.2　ACO算法优化D-FNN参数

10.1.3　自适应ACO算法优化D-FNN参数

10.1.4　ACO算法优化效果分析

10.2　基于PSO算法模型优化研究

10.2.1　PSO-D-FNN优化模型

10.2.2　混沌GA/PSO优化模型

10.2.3　PSO算法优化效果分析

本章小结

思考题

参考文献

图索引

表索引