基于区间神经网络的钢铁企业能耗预测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题背景、目的与意义 | 第10-12页 |
| 1.2 钢铁企业能耗分析、评价与预测方法 | 第12-19页 |
| 1.2.1 钢铁企业能耗分析方法 | 第12-15页 |
| 1.2.2 钢铁企业能耗评价方法 | 第15-18页 |
| 1.2.3 钢铁企业能耗预测方法 | 第18-19页 |
| 1.3 区间神经网络研究现状 | 第19-21页 |
| 1.4 本课题研究的主要内容 | 第21-22页 |
| 第2章 钢铁企业生产工艺及能耗分析 | 第22-40页 |
| 2.1 钢铁产品概述 | 第22-24页 |
| 2.2 钢铁生产工艺流程 | 第24-26页 |
| 2.3 钢铁企业能耗 | 第26-31页 |
| 2.3.1 钢铁企业能耗特点 | 第26-27页 |
| 2.3.2 钢铁企业能耗的影响因素 | 第27-29页 |
| 2.3.3 分析、评价钢铁企业能耗常用指标 | 第29-31页 |
| 2.4 基于物质流的钢铁能耗分析 | 第31-39页 |
| 2.4.1 钢铁企业物质流 | 第32-35页 |
| 2.4.2 各物质流对吨钢能耗影响 | 第35-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 基于AQPSO的区间神经网络 | 第40-64页 |
| 3.1 区间神经网络 | 第40-53页 |
| 3.1.1 权值、阈值为区间数 | 第40-49页 |
| 3.1.2 输入输出数据为区间、权值阈值为点值 | 第49-53页 |
| 3.2 自适应粒子群 | 第53-60页 |
| 3.2.1 标准粒子群算法原理 | 第54-55页 |
| 3.2.2 自适应量子粒子群 | 第55-60页 |
| 3.3 基于AQPSO的区间神经网络 | 第60-62页 |
| 3.3.1 粒子群编码 | 第60-61页 |
| 3.3.2 神经网络权值的训练 | 第61页 |
| 3.3.3 基于AQPSO区间神经网络算法过程 | 第61页 |
| 3.3.4 数据实验 | 第61-62页 |
| 3.4 本章小结 | 第62-64页 |
| 第4章 基于AQPSO优化区间神经网络的能耗预测 | 第64-78页 |
| 4.1 基于PCA的数据预处理 | 第64-71页 |
| 4.1.1 主成分分析法 | 第64-66页 |
| 4.1.2 能耗数据的主成分分析法预处理 | 第66-71页 |
| 4.2 自适应量子粒子群的区间神经网络预测能耗 | 第71-75页 |
| 4.2.1 自适应量子粒子群优化神经网络权值 | 第71-74页 |
| 4.2.2 区间神经网络预测能耗 | 第74-75页 |
| 4.3 本章小结 | 第75-78页 |
| 第5章 结论与展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84页 |
