| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国内外喷煤技术及发展现状 | 第12-13页 |
| 1.2.2 支持向量机的国内外研究现状 | 第13-14页 |
| 1.2.3 自编码的国内外研究现状 | 第14-15页 |
| 1.3 文章结构及安排 | 第15-17页 |
| 第2章 高炉冶炼工艺及煤粉喷吹机理介绍 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 高炉冶炼的工艺机理 | 第17-19页 |
| 2.3 煤粉喷吹对高炉冶炼的影响 | 第19-21页 |
| 2.3.1 煤粉喷吹对风口前理论燃烧温度的影响 | 第19-20页 |
| 2.3.2 煤粉喷吹对料柱阻力及压差的影响 | 第20页 |
| 2.3.3 煤粉喷吹对还原过程的影响 | 第20-21页 |
| 2.3.4 煤粉喷吹中未燃煤粉对高炉冶炼的影响 | 第21页 |
| 2.4 本章小节 | 第21-23页 |
| 第3章 影响喷煤决策的变量相关性分析及其滞后时间的确定 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 异常值检测 | 第23-27页 |
| 3.3 基于最大信息系数的变量选择 | 第27-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于改进的支持向量回归的高炉冶炼过程中喷煤决策 | 第33-52页 |
| 4.1 引言 | 第33页 |
| 4.2 基于支持向量回归的高炉喷煤决策模型 | 第33-44页 |
| 4.2.1 支持向量机原理 | 第34-36页 |
| 4.2.2 支持向量回归 | 第36-38页 |
| 4.2.3 建模流程 | 第38-39页 |
| 4.2.4 实验结果及分析 | 第39-44页 |
| 4.3 基于自编码改进的支持向量回归的高炉喷煤决策模型 | 第44-51页 |
| 4.3.1 堆栈自编码 | 第44-46页 |
| 4.3.2 降噪自编码 | 第46页 |
| 4.3.3 稀疏降噪自编码神经网络 | 第46页 |
| 4.3.4 基于稀疏降噪自编码的支持向量回归建模 | 第46-49页 |
| 4.3.5 实验结果及分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 基于聚类算法与支持向量回归的多炉况模型建立 | 第52-61页 |
| 5.1 引言 | 第52页 |
| 5.2 高炉系统的多炉况特性分析 | 第52-55页 |
| 5.3 基于K-均值聚类与支持向量回归的多炉况模型建立 | 第55-60页 |
| 5.3.1 K-均值聚类 | 第55页 |
| 5.3.2 建模流程 | 第55-57页 |
| 5.3.3 实验结果及分析 | 第57-60页 |
| 5.4 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68页 |
