首页--数理科学和化学论文--化学论文--物理化学(理论化学)、化学物理学论文

基于循环神经网络的熔盐炉温度预测

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

论文共68页,点击 下载论文
上一篇:玉米秸秆中L—阿拉伯糖提取工艺的优化及其降糖降脂作用的研究
下一篇:双螺杆挤出机机筒热流固耦合分析与优化研究