包邮人工智能与大数据:工业聚丙烯智能制造

第1章 绪论001～014 1.1丙烯聚合工业介绍002 1.1.1聚丙烯及其熔融指数002 1.1.2现代聚丙烯工艺004 1.2过程建模005 1.2.1建模对象过程介绍005 1.2.2聚丙烯生产工艺流程及装置006 1.2.3建模变量的确定008 1.3研究现状010 1.3.1基于线性统计理论的预测模型010 1.3.2基于智能理论的预测模型011 1.3.3基于非线性理论的预测模型012 1.4研究难点012 思考题014 第2章 机理模型015～053 2.1丙烯聚合机理模型017 2.1.1微观尺度模型018 2.1.2介观尺度模型019 2.1.3宏观尺度模型020 2.2丙烯聚合反应的动力学021 2.3单粒子增长模型025 2.3.1改进的单粒子模型的建立028 2.3.2CSA基本思想034 2.3.3模型结果与分析036 2.4聚丙烯反应器模型041 2.4.1聚丙烯生产过程建模的主要困难041 2.4.2反应机理的简化及其反应动力学042 2.4.3模型求解步骤047 2.4.4反应动力学参数的确定048 2.4.5模型参数在线自动校正050 2.4.6模型运行结果分析051 本章小结052 思考题053 第3章 数据驱动方法054～074 3.1统计学习理论基本概念056 3.1.1 小化期望风险的准则057 3.1.2建立有用预测变量的规则059 3.2常用统计学习方法061 3.2.1统计分析061 3.2.2NNs063 3.2.3支持向量机068 3.2.4混沌072 3.2.5半监督073 本章小结073 思考题074 第4章 神经网络075～094 4.1人工神经网络介绍076 4.1.1人工神经网络的发展077 4.1.2人工神经网络的基本功能079 4.1.3人工神经网络的优缺点080 4.2PCA-RBF神经网络模型的建立081 4.2.1RBF神经网络方法081 4.2.2结构原理082 4.2.3RBF神经网络与BP神经网络的比较083 4.3主元分析法084 4.3.1问题的提出085 4.3.2多维推广086 4.3.3贡献率和累积贡献率088 4.4PCA-RBF神经网络模型在MI预报中的应用089 4.4.1过程变量的确定及建模数据的采集089 4.4.2MI预报的PCA-RBF神经网络建模090 4.4.3仿真结果与分析091 本章小结094 思考题094 第5章 支持向量机095～116 5.1支持向量机简介096 5.1.1支持向量分类机096 5.1.2支持向量回归机099 5.2支持向量机理论102 5.2.1SVM非线性回归原理103 5.2.2 小二乘支持向量机106 5.2.3加权 小二乘支持向量机107 5.2.4相关向量机108 5.2.5相关向量机的基本理论108 5.2.6相关向量机模型基本原理109 5.3SVM在聚丙烯熔融指数预报中的应用111 5.3.1过程数据及其预处理111 5.3.2模型性能比较112 本章小结115 思考题115 第6章 模糊理论117～131 6.1模糊神经网络介绍118 6.1.1模糊理论介绍118 6.1.2模糊集合119 6.1.3模糊理论的特点122 6.2模糊神经网络介绍123 6.3模糊神经网络在熔融指数软测量中的应用分析126 本章小结130 思考题131 第7章 混沌理论132～172 7.1混沌理论基本介绍133 7.1.1混沌理论的发展133 7.1.2混沌的定义135 7.1.3典型混沌时间序列136 7.2混沌时间序列预测的研究现状139 7.3时间序列的混沌特性识别研究141 7.3.1平稳性分析141 7.3.2非线性检验143 7.3.3相空间重构144 7.3.4关联维数147 7.3.5Lyapunov指数148 7.3.6Kolmogorov熵150 7.4熔融指数时间序列的混沌特性分析151 7.4.1平稳性分析151 7.4.2非线性检验151 7.4.3相空间重构151 7.5基于FWNN的熔融指数混沌预报研究156 7.5.1小波神经网络简介156 7.5.2模糊小波神经网络158 7.5.3网络学习算法160 7.5.4基于FWNN的熔融指数混沌预报模型165 7.6实例验证168 本章小结170 思考题172 第8章 多尺度173～191 8.1基于多尺度分析的熔融指数组合预测研究174 8.1.1小波变换174 8.1.2经验模态分解176 8.2熔融指数时间序列的多尺度分析178 8.2.1小波分解与经验模态分解的结果分析与比较178 8.2.2对分解序列的混沌特性分析180 8.3基于多尺度分析的熔融指数组合预测模型185 8.3.1组合预测方法185 8.3.2基于多尺度分析的熔融指数组合预测模型186 8.4实例验证187 本章小结190 思考题191 第9章 半监督192～205 9.1基于核密度估计的稀疏贝叶斯半监督回归194 9.2基于KDSBSR的熔融指数预报模型198 9.3实例验证200 9.3.1不同熔融指数标签采样率下KDSBSR模型预报效果考察200 9.3.2不同半监督模型预报性能对比研究202 本章小结205 思考题205 0章 群智能206～222 10.1基于ACO算法模型优化研究207 10.1.1ACO算法介绍207 10.1.2ACO算法优化D-FNN参数209 10.1.3自适应ACO算法优化D-FNN参数211 10.1.4ACO算法优化效果分析212 10.2基于PSO算法模型优化研究215 10.2.1PSO-D-FNN优化模型215 10.2.2混沌GA/PSO优化模型216 10.2.3PSO算法优化效果分析219 本章小结222 思考题222 参考文献223 图索引239 表索引243