基于神经网络的电解铝过程温度与分子比的预测研究
摘要 | 第1-5页 |
Abstract | 第5-9页 |
1 绪论 | 第9-15页 |
·本课题的研究背景和意义 | 第9-12页 |
·铝电解工业概述和铝电解原理 | 第9-11页 |
·铝电解温度与分子比的重要性 | 第11-12页 |
·国内外发展现状及趋势 | 第12-14页 |
·本课题所研究的内容和论文结构 | 第14-15页 |
2 RBF神经网络的构建 | 第15-25页 |
·神经网络的概括 | 第15-16页 |
·神经网络的主要用途 | 第15-16页 |
·一些常用的网络及其特点 | 第16页 |
·选用RBF网络的可行性分析 | 第16-20页 |
·径向基函数网络的特点 | 第16-17页 |
·铝电解槽中温度与分子比的变化过程分析 | 第17-19页 |
·RBF网络用于温度与分子比预测的可行性 | 第19-20页 |
·RBF网络模型构建 | 第20-24页 |
·径向基函数网络结构 | 第20页 |
·输入的选取 | 第20-21页 |
·隐层节点的选取 | 第21-23页 |
·输出层的选取 | 第23-24页 |
·本章小结 | 第24-25页 |
3 RBF网络训练算法及仿真 | 第25-39页 |
·期望误差的选取以及网络泛化能力分析 | 第25-27页 |
·期望误差的选取 | 第25页 |
·网络的泛化能力分析 | 第25-26页 |
·样本的选取 | 第26-27页 |
·网络训练的步骤 | 第27-28页 |
·两种常用的算法介绍 | 第28-33页 |
·基于梯度下降法的迭代算法 | 第28-29页 |
·聚类法 | 第29-33页 |
·仿真结果分析 | 第33-36页 |
·对迭代算法仿真 | 第33-35页 |
·对简化的聚类法仿真 | 第35-36页 |
·两种算法的比较分析 | 第36-38页 |
·本章小结 | 第38-39页 |
4 预测系统设计 | 第39-54页 |
·软件开发工具选取和程序编写的流程 | 第39-41页 |
·软件开发工具的选取 | 第39页 |
·系统分析和总体设计 | 第39-40页 |
·在SQL Server数据库中建立表 | 第40-41页 |
·连接VC++、SQL、MATALB | 第41-47页 |
·VC++访问SQL数据库的方法 | 第42-44页 |
·VC++与MTALAB的通信方法 | 第44-46页 |
·VC++、数据库、MATLAB的连接过程 | 第46-47页 |
·系统各模块的介绍 | 第47-52页 |
·登入模块及用户管理模块 | 第47-49页 |
·槽号管理模块 | 第49页 |
·网络训练模块 | 第49-50页 |
·历史数据查询与图形绘制模块 | 第50-51页 |
·在线预测模块 | 第51-52页 |
·系统测试 | 第52-53页 |
·本章小结 | 第53-54页 |
5 结论 | 第54-55页 |
参考文献 | 第55-58页 |
申请学位期间发表的学术论文 | 第58-59页 |
致谢 | 第59页 |