| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 引言 | 第9-14页 |
| ·论文研究的目的和意义 | 第9-10页 |
| ·国内外研究综述 | 第10-12页 |
| ·论文的主要内容 | 第12-14页 |
| 第二章 高炉冶炼过程的复杂性及相关参数分析 | 第14-27页 |
| ·高炉冶炼工艺的复杂性 | 第14页 |
| ·高炉冶炼过程化学反应与流体运动的复杂性 | 第14-17页 |
| ·高炉冶炼过程的状态参数和控制参数 | 第17-19页 |
| ·料速LS | 第17页 |
| ·风量FQ | 第17页 |
| ·喷煤PM | 第17-18页 |
| ·透气性指数FF | 第18页 |
| ·风温FT | 第18-19页 |
| ·参数相关性分析 | 第19-24页 |
| ·铁水含硅量[Si]的自相关性 | 第19-22页 |
| ·参数与铁水含硅量[Si]的相关系数 | 第22-23页 |
| ·参数的灰关联熵分析 | 第23-24页 |
| ·本章小结 | 第24-27页 |
| 第三章 偏最小二乘回归与非参数回归理论 | 第27-40页 |
| ·偏最小二乘回归法 | 第27-35页 |
| ·偏最小二乘回归方法的思想 | 第27-28页 |
| ·偏最小二乘回归方法的推导 | 第28-31页 |
| ·交叉有效性检验 | 第31-32页 |
| ·偏最小二乘回归方法的性质 | 第32-34页 |
| ·一个重要结论 | 第34-35页 |
| ·非参数回归 | 第35-37页 |
| ·非参数回归模型的概念 | 第35-36页 |
| ·非参数回归原理 | 第36-37页 |
| ·广义加性(GAM)模型 | 第37-40页 |
| ·线性回归模型 | 第37-38页 |
| ·加性模型 | 第38页 |
| ·广义加性模型 | 第38-40页 |
| 第四章 高炉炉温预测控制的偏最小二乘回归局部GAM模型 | 第40-52页 |
| ·参数降维的偏最小二乘回归方法 | 第40-41页 |
| ·偏最小二乘回归方法的简化算法 | 第40-41页 |
| ·偏最小二乘回归简化算法的流程图 | 第41页 |
| ·广义加性(GAM)模型 | 第41-44页 |
| ·广义加性模型的估计 | 第41-42页 |
| ·Local-Scoring算法 | 第42-43页 |
| ·Back-Fitting算法 | 第43页 |
| ·光滑参数的确定 | 第43-44页 |
| ·高炉炉温预测控制的偏最小二乘回归局部GAM模型 | 第44-51页 |
| ·参数的预处理 | 第44页 |
| ·参数的偏最小二乘回归法降维结果 | 第44-46页 |
| ·新变量与[Si]的局部广义加性(GAM)模型 | 第46-48页 |
| ·偏最小二乘回归局部GAM模型的计算 | 第48-50页 |
| ·结果分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 高炉炉温预测控制的GA正交序列估计模型 | 第52-61页 |
| ·正交序列估计 | 第52-54页 |
| ·Legendre多项式正交基 | 第53页 |
| ·Fourier基 | 第53-54页 |
| ·遗传算法(Genetic Algorithms) | 第54-55页 |
| ·遗传算法的基本流程 | 第54页 |
| ·标准遗传算法的流程图 | 第54-55页 |
| ·高炉炉温预测控制的GA正交序列估计模型 | 第55-59页 |
| ·GA正交序列回归估计模型的流程 | 第56页 |
| ·遗传算法的设计 | 第56-58页 |
| ·高炉炉温预测控制的GA正交序列回归估计模型结果 | 第58-59页 |
| ·结果分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 高炉炉温预测控制的变系数回归模型 | 第61-70页 |
| ·高炉炉温的混合动力学模型 | 第61页 |
| ·变系数回归模型 | 第61-65页 |
| ·变系数回归的定义 | 第62页 |
| ·权函数 | 第62-64页 |
| ·K-近邻核权估计的计算方案 | 第64-65页 |
| ·加权最小二乘估计 | 第65页 |
| ·高炉炉温预测控制的变系数回归模型 | 第65-66页 |
| ·结果分析 | 第66-67页 |
| ·本章小结 | 第67-70页 |
| 第七章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 读硕士期间完成的论文 | 第76-77页 |
| 致谢 | 第77页 |