| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究意义及背景 | 第9-10页 |
| 1.2 炉温预测方法的研究现状及发展趋势 | 第10-14页 |
| 1.2.1 炉温预测研究现状 | 第10-11页 |
| 1.2.2 时间序列预测模型研究现状 | 第11-13页 |
| 1.2.3 炉温预测研究的不足及发展趋势 | 第13-14页 |
| 1.3 研究工作概述 | 第14-16页 |
| 第二章 熔盐炉加热过程分析 | 第16-23页 |
| 2.1 工艺原理 | 第16-19页 |
| 2.1.1 熔盐加热炉工作原理 | 第16-18页 |
| 2.1.2 熔盐炉温度控制原理 | 第18-19页 |
| 2.2 数据采集 | 第19-22页 |
| 2.2.1 数据采集系统 | 第19-21页 |
| 2.2.2 数据特点 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 循环神经网络预测算法 | 第23-34页 |
| 3.1 循环神经网络基础知识 | 第23-24页 |
| 3.2 循环神经网络常用预测算法 | 第24-30页 |
| 3.2.1 SRNN算法 | 第24-26页 |
| 3.2.2 LSTM算法 | 第26-28页 |
| 3.2.3 GRU算法 | 第28-30页 |
| 3.3 网络配置研究 | 第30-33页 |
| 3.3.1 激活函数 | 第30-31页 |
| 3.3.2 优化器 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于SGRUBDL算法的时间序列预测模型 | 第34-46页 |
| 4.1 基于SGRU算法的时间序列预测模型 | 第34-42页 |
| 4.1.1 SGRU算法的基础知识 | 第34-35页 |
| 4.1.2 SGRU模型结构 | 第35-36页 |
| 4.1.3 SGRU算法原理 | 第36-41页 |
| 4.1.4 基于SGRU算法的时间序列预测模型 | 第41-42页 |
| 4.2 基于SGRUBDL算法的时间序列预测模型 | 第42-45页 |
| 4.2.1 SGRUBDL算法原理 | 第42-44页 |
| 4.2.2 基于SGRUBDL算法的时间序列预测模型 | 第44-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 熔盐炉温度预测 | 第46-63页 |
| 5.1 实验环境与实验数据 | 第46-47页 |
| 5.2 数据预处理 | 第47-48页 |
| 5.2.1 数据清理 | 第47-48页 |
| 5.2.2 数据变换 | 第48页 |
| 5.3 基于SGRUBDL算法的熔盐炉温度预测 | 第48-55页 |
| 5.3.1 建立基于SGRUBDL算法的预测模型 | 第48-50页 |
| 5.3.2 预测结果评价指标 | 第50-51页 |
| 5.3.3 参数设置及调优 | 第51-52页 |
| 5.3.4 预测结果分析 | 第52-55页 |
| 5.4 对比实验 | 第55-62页 |
| 5.4.1 建立预测模型 | 第55-56页 |
| 5.4.2 对比预测结果 | 第56-62页 |
| 5.5 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |