博客來
本書系統闡述了烯烴聚合智能製造的自動化與智能化核心瓶頸生產難題與科學前沿問題——熔融指數預報的機理建模與數據驅動建模方法。
從人工智能與數據解析的角度，針對聚丙烯工業生產的MI預報實際問題和實際生產數據，系統闡述了該領域國內外研究現狀，別是筆者二十多年來所指導的數十名碩士生、博士生、博士後從事該領域實際生產研究的相關方法、思路與成果，使讀者近距離全面瞭解人工智能與數據解析方法在智能製造中的實際應用情況。
本書可作為高等院校自動化、控制科學與工程、控制系統工程、計算機科學與技術、數學與應用數學、化工工程、材料科學與技術等相關業的教材，也可作為有關研究人員和工程技術人員的參考書。
| FindBook |
有 1 項符合
人工智能與大數據：工業聚丙烯智能製造的圖書 |
 |
人工智能與大數據：工業聚丙烯智能製造 作者：劉興高 出版社：化學工業出版社 出版日期：2024-10-01 語言：簡體中文 規格：平裝 / 238頁 / 19 x 26 x 1.19 cm / 普通級/ 1-1 |
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：人工智能與大數據：工業聚丙烯智能製造
內容簡介
目錄
第1章 緒論001～014
1.1丙烯聚合工業介紹002
1.1.1聚丙烯及其熔融指數002
1.1.2現代聚丙烯工藝004
1.2過程建模005
1.2.1建模對象過程介紹005
1.2.2聚丙烯生產工藝流程及裝置006
1.2.3建模變量的確定008
1.3研究現狀010
1.3.1基於線性統計理論的預測模型010
1.3.2基於智能理論的預測模型011
1.3.3基於非線性理論的預測模型012
1.4研究難點012
思考題014
第2章 機理模型015～053
2.1丙烯聚合機理模型017
2.1.1微觀尺度模型018
2.1.2介觀尺度模型019
2.1.3宏觀尺度模型020
2.2丙烯聚合反應的動力學021
2.3單粒子增長模型025
2.3.1改進的單粒子模型的建立028
2.3.2CSA基本思想034
2.3.3模型結果與分析036
2.4聚丙烯反應器模型041
2.4.1聚丙烯生產過程建模的主要困難041
2.4.2反應機理的簡化及其反應動力學042
2.4.3模型求解步驟047
2.4.4反應動力學參數的確定048
2.4.5模型參數在線自動校正050
2.4.6模型運行結果分析051
本章小結052
思考題053
第3章 數據驅動方法054～074
3.1統計學理論基本概念056
3.1.1小化期望風險的準則057
3.1.2建立有用預測變量的規則059
3.2常用統計學方法061
3.2.1統計分析061
3.2.2NNs063
3.2.3支持向量機068
3.2.4混沌072
3.2.5半監督073
本章小結073
思考題074
第4章 經網絡075～094
4.1人工經網絡介紹076
4.1.1人工經網絡的發展077
4.1.2人工經網絡的基本功能079
4.1.3人工經網絡的缺點080
4.2PCA-RBF經網絡模型的建立081
4.2.1RBF經網絡方法081
4.2.2結構原理082
4.2.3RBF經網絡與BP經網絡的比較083
4.3主元分析法084
4.3.1問題的提出085
4.3.2多維推廣086
4.3.3貢獻率和累積貢獻率088
4.4PCA-RBF經網絡模型在MI預報中的應用089
4.4.1過程變量的確定及建模數據的採集089
4.4.2MI預報的PCA-RBF經網絡建模090
4.4.3結果與分析091
本章小結094
思考題094
第5章 支持向量機095～116
5.1支持向量機簡介096
5.1.1支持向量分類機096
5.1.2支持向量回歸機099
5.2支持向量機理論102
5.2.1SVM非線性回歸原理103
5.2.2小二乘支持向量機106
5.2.3加權小二乘支持向量機107
5.2.4相關向量機108
5.2.5相關向量機的基本理論108
5.2.6相關向量機模型基本原理109
5.3SVM在聚丙烯熔融指數預報中的應用111
5.3.1過程數據及其預處理111
5.3.2模型性能比較112
本章小結115
思考題115
第6章 模糊理論117～131
6.1模糊經網絡介紹118
6.1.1模糊理論介紹118
6.1.2模糊集合119
6.1.3模糊理論的點122
6.2模糊經網絡介紹123
6.3模糊經網絡在熔融指數軟測量中的應用分析126
本章小結130
思考題131
第7章 混沌理論132～172
7.1混沌理論基本介紹133
7.1.1混沌理論的發展133
7.1.2混沌的定義135
7.1.3典型混沌時間序列136
7.2混沌時間序列預測的研究現狀139
7.3時間序列的混沌性識別研究141
7.3.1平穩性分析141
7.3.2非線性檢驗143
7.3.3相空間重構144
7.3.4關聯維數147
7.3.5Lyapunov指數148
7.3.6Kolmogorov熵150
7.4熔融指數時間序列的混沌性分析151
7.4.1平穩性分析151
7.4.2非線性檢驗151
7.4.3相空間重構151
7.5基於FWNN的熔融指數混沌預報研究156
7.5.1小波經網絡簡介156
7.5.2模糊小波經網絡158
7.5.3網絡學算法160
7.5.4基於FWNN的熔融指數混沌預報模型165
7.6實例驗證168
本章小結170
思考題172
第8章 多尺度173～191
8.1基於多尺度分析的熔融指數組合預測研究174
8.1.1小波變換174
8.1.2經驗模態分解176
8.2熔融指數時間序列的多尺度分析178
8.2.1小波分解與經驗模態分解的結果分析與比較178
8.2.2對分解序列的混沌性分析180
8.3基於多尺度分析的熔融指數組合預測模型185
8.3.1組合預測方法185
8.3.2基於多尺度分析的熔融指數組合預測模型186
8.4實例驗證187
本章小結190
思考題191
第9章 半監督192～205
9.1基於核密度估計的稀疏貝葉斯半監督回歸194
9.2基於KDSBSR的熔融指數預報模型198
9.3實例驗證200
9.3.1不同熔融指數標簽采樣率下KDSBSR模型預報效果考察200
9.3.2不同半監督模型預報性能對比研究202
本章小結205
思考題205
第10章 群智能206～222
10.1基於ACO算法模型化研究207
10.1.1ACO算法介紹207
10.1.2ACO算法化D-FNN參數209
10.1.3自適應ACO算法化D-FNN參數211
10.1.4ACO算法化效果分析212
10.2基於PSO算法模型化研究215
10.2.1PSO-D-FNN化模型215
10.2.2混沌GA/PSO化模型216
10.2.3PSO算法化效果分析219
本章小結222
思考題222
參考文獻223
圖索引239
表索引243
1.1丙烯聚合工業介紹002
1.1.1聚丙烯及其熔融指數002
1.1.2現代聚丙烯工藝004
1.2過程建模005
1.2.1建模對象過程介紹005
1.2.2聚丙烯生產工藝流程及裝置006
1.2.3建模變量的確定008
1.3研究現狀010
1.3.1基於線性統計理論的預測模型010
1.3.2基於智能理論的預測模型011
1.3.3基於非線性理論的預測模型012
1.4研究難點012
思考題014
第2章 機理模型015～053
2.1丙烯聚合機理模型017
2.1.1微觀尺度模型018
2.1.2介觀尺度模型019
2.1.3宏觀尺度模型020
2.2丙烯聚合反應的動力學021
2.3單粒子增長模型025
2.3.1改進的單粒子模型的建立028
2.3.2CSA基本思想034
2.3.3模型結果與分析036
2.4聚丙烯反應器模型041
2.4.1聚丙烯生產過程建模的主要困難041
2.4.2反應機理的簡化及其反應動力學042
2.4.3模型求解步驟047
2.4.4反應動力學參數的確定048
2.4.5模型參數在線自動校正050
2.4.6模型運行結果分析051
本章小結052
思考題053
第3章 數據驅動方法054～074
3.1統計學理論基本概念056
3.1.1小化期望風險的準則057
3.1.2建立有用預測變量的規則059
3.2常用統計學方法061
3.2.1統計分析061
3.2.2NNs063
3.2.3支持向量機068
3.2.4混沌072
3.2.5半監督073
本章小結073
思考題074
第4章 經網絡075～094
4.1人工經網絡介紹076
4.1.1人工經網絡的發展077
4.1.2人工經網絡的基本功能079
4.1.3人工經網絡的缺點080
4.2PCA-RBF經網絡模型的建立081
4.2.1RBF經網絡方法081
4.2.2結構原理082
4.2.3RBF經網絡與BP經網絡的比較083
4.3主元分析法084
4.3.1問題的提出085
4.3.2多維推廣086
4.3.3貢獻率和累積貢獻率088
4.4PCA-RBF經網絡模型在MI預報中的應用089
4.4.1過程變量的確定及建模數據的採集089
4.4.2MI預報的PCA-RBF經網絡建模090
4.4.3結果與分析091
本章小結094
思考題094
第5章 支持向量機095～116
5.1支持向量機簡介096
5.1.1支持向量分類機096
5.1.2支持向量回歸機099
5.2支持向量機理論102
5.2.1SVM非線性回歸原理103
5.2.2小二乘支持向量機106
5.2.3加權小二乘支持向量機107
5.2.4相關向量機108
5.2.5相關向量機的基本理論108
5.2.6相關向量機模型基本原理109
5.3SVM在聚丙烯熔融指數預報中的應用111
5.3.1過程數據及其預處理111
5.3.2模型性能比較112
本章小結115
思考題115
第6章 模糊理論117～131
6.1模糊經網絡介紹118
6.1.1模糊理論介紹118
6.1.2模糊集合119
6.1.3模糊理論的點122
6.2模糊經網絡介紹123
6.3模糊經網絡在熔融指數軟測量中的應用分析126
本章小結130
思考題131
第7章 混沌理論132～172
7.1混沌理論基本介紹133
7.1.1混沌理論的發展133
7.1.2混沌的定義135
7.1.3典型混沌時間序列136
7.2混沌時間序列預測的研究現狀139
7.3時間序列的混沌性識別研究141
7.3.1平穩性分析141
7.3.2非線性檢驗143
7.3.3相空間重構144
7.3.4關聯維數147
7.3.5Lyapunov指數148
7.3.6Kolmogorov熵150
7.4熔融指數時間序列的混沌性分析151
7.4.1平穩性分析151
7.4.2非線性檢驗151
7.4.3相空間重構151
7.5基於FWNN的熔融指數混沌預報研究156
7.5.1小波經網絡簡介156
7.5.2模糊小波經網絡158
7.5.3網絡學算法160
7.5.4基於FWNN的熔融指數混沌預報模型165
7.6實例驗證168
本章小結170
思考題172
第8章 多尺度173～191
8.1基於多尺度分析的熔融指數組合預測研究174
8.1.1小波變換174
8.1.2經驗模態分解176
8.2熔融指數時間序列的多尺度分析178
8.2.1小波分解與經驗模態分解的結果分析與比較178
8.2.2對分解序列的混沌性分析180
8.3基於多尺度分析的熔融指數組合預測模型185
8.3.1組合預測方法185
8.3.2基於多尺度分析的熔融指數組合預測模型186
8.4實例驗證187
本章小結190
思考題191
第9章 半監督192～205
9.1基於核密度估計的稀疏貝葉斯半監督回歸194
9.2基於KDSBSR的熔融指數預報模型198
9.3實例驗證200
9.3.1不同熔融指數標簽采樣率下KDSBSR模型預報效果考察200
9.3.2不同半監督模型預報性能對比研究202
本章小結205
思考題205
第10章 群智能206～222
10.1基於ACO算法模型化研究207
10.1.1ACO算法介紹207
10.1.2ACO算法化D-FNN參數209
10.1.3自適應ACO算法化D-FNN參數211
10.1.4ACO算法化效果分析212
10.2基於PSO算法模型化研究215
10.2.1PSO-D-FNN化模型215
10.2.2混沌GA/PSO化模型216
10.2.3PSO算法化效果分析219
本章小結222
思考題222
參考文獻223
圖索引239
表索引243
|
