| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 论文研究背景及意义 | 第10页 |
| 1.2 冷轧带钢产品特点及工艺过程概述 | 第10-15页 |
| 1.2.1 冷轧带钢产品特点 | 第10-11页 |
| 1.2.2 冷轧带钢产品的工艺过程概述 | 第11-15页 |
| 1.3 国内外基于数据挖掘性能预测的应用现状 | 第15-16页 |
| 1.4 利用数据挖掘技术进行产品性能预测的意义 | 第16-17页 |
| 1.4.1 产品研发意义 | 第16-17页 |
| 1.4.2 现场应用意义 | 第17页 |
| 1.4.3 产品检验意义 | 第17页 |
| 1.5 本课题的主要工作 | 第17-20页 |
| 第2章 冷轧产品性能与数据挖掘技术介绍 | 第20-32页 |
| 2.1 冷轧产品性能与规格 | 第20-24页 |
| 2.1.1 冷轧板带钢力学性能和工艺性能 | 第20-21页 |
| 2.1.2 冷轧产品机械性能概念说明 | 第21-23页 |
| 2.1.3 影响产品机械性能的加工与生产条件 | 第23-24页 |
| 2.2 数据挖掘技术 | 第24-30页 |
| 2.2.1 数据挖掘的概念 | 第24-25页 |
| 2.2.2 数据挖掘的来源 | 第25页 |
| 2.2.3 数据挖掘过程 | 第25-26页 |
| 2.2.4 数据挖掘基本任务 | 第26页 |
| 2.2.5 基于数据挖掘技术的性能预测模式 | 第26-27页 |
| 2.2.6 在性能预测中如何运用数据仓库与数据挖掘技术 | 第27-30页 |
| 2.3 本章小结 | 第30-32页 |
| 第3章 冷轧产品质量样本变量空间建立与设计变量选取 | 第32-44页 |
| 3.1 冷轧产品质量样本变量空间建立 | 第32-35页 |
| 3.1.1 构建冷轧质量分析数据集市 | 第32-33页 |
| 3.1.2 冷轧质量分析数据集市数据质量处理 | 第33-35页 |
| 3.2 冷轧产品质量性能预测模型设计变量选取 | 第35-43页 |
| 3.2.1 KIV的概念与识别规则 | 第35-38页 |
| 3.2.2 从冷轧产品性能数据集市中提取KIV变量 | 第38-43页 |
| 3.2.3 冷轧产品质量性能模型KIV参数说明 | 第43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 冷轧产品质量性能预测模型设计 | 第44-56页 |
| 4.1 基于BP神经网络的冷轧产品性能预测模型设计 | 第44-50页 |
| 4.1.1 神经网络概述 | 第44-45页 |
| 4.1.2 BP神经网络 | 第45-48页 |
| 4.1.3 面向冷轧产品机械性能预测的BP神经网络设计 | 第48-50页 |
| 4.2 基于多元线性回归的冷轧产品机械性能设计 | 第50-51页 |
| 4.2.1 多元线性回归概述 | 第50-51页 |
| 4.2.2 面向冷轧产品机械性能预测的多元线性回归的设计 | 第51页 |
| 4.3 基于决策树的冷轧产品机械性能设计 | 第51-54页 |
| 4.3.1 决策树技术概述 | 第51-52页 |
| 4.3.2 决策树的生长 | 第52-53页 |
| 4.3.3 决策树的修剪 | 第53-54页 |
| 4.3.4 面向冷轧产品机械性能预测的决策树的设计 | 第54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 冷轧产品质量预测建模与仿真 | 第56-76页 |
| 5.1 性能预测模型的建立与训练 | 第56-60页 |
| 5.1.1 使用SPSS工具建立模型 | 第56-58页 |
| 5.1.2 性能预测模型结构 | 第58-60页 |
| 5.2 模型评估及结论 | 第60-70页 |
| 5.2.1 模型评估标准 | 第60页 |
| 5.2.2 冷轧产品性能预测模型评估 | 第60-70页 |
| 5.2.3 模型评估结论 | 第70页 |
| 5.3 性能预测模型仿真与预测 | 第70-74页 |
| 5.3.1 连退工艺屈服强度模型仿真 | 第70-72页 |
| 5.3.2 连退工艺抗拉强度模型仿真 | 第72-73页 |
| 5.3.3 连退工艺断后延伸率模型仿真 | 第73-74页 |
| 5.3.4 连退工艺屈服强度、抗拉强度、断后延伸率模型性能预测 | 第74页 |
| 5.4 本章小结 | 第74-76页 |
| 第6章 结论与展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |
