| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题背景及现状 | 第9-12页 |
| 1.1.1 课题背景 | 第9-11页 |
| 1.1.2 国内外高炉喷煤技术发展及现状 | 第11-12页 |
| 1.2 数据驱动概述 | 第12-13页 |
| 1.3 数据驱动的常用方法 | 第13-15页 |
| 1.4 论文主要内容 | 第15-17页 |
| 2 高炉炼铁过程机理分析 | 第17-27页 |
| 2.1 高炉炼铁的工艺过程 | 第17页 |
| 2.2 高炉结构及工艺参数 | 第17-23页 |
| 2.2.1 高炉的结构 | 第17-20页 |
| 2.2.2 高炉冶炼过程中的工艺参数 | 第20-23页 |
| 2.3 高炉喷吹煤粉 | 第23-27页 |
| 2.3.1 高炉喷煤工艺流程 | 第23-24页 |
| 2.3.2 高炉喷煤的冶炼特点 | 第24-26页 |
| 2.3.3 喷煤量调剂炉温 | 第26-27页 |
| 3 高炉数据分析及优良数据筛选 | 第27-32页 |
| 3.1 数据预处理 | 第27-30页 |
| 3.1.1 数据缺失值的补足处理 | 第27-28页 |
| 3.1.2 数据归一化处理 | 第28-29页 |
| 3.1.3 数据相关性分析 | 第29-30页 |
| 3.2 滞后性分析 | 第30页 |
| 3.3 筛选优良数据 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 高炉喷煤优化的 GA-BP 模型 | 第32-39页 |
| 4.1 神经网络结构 | 第32-33页 |
| 4.2 遗传算法优化 BP 神经网络（GA-BP） | 第33-37页 |
| 4.3 模型验证 | 第37-38页 |
| 4.4 本章小结 | 第38-39页 |
| 5 基于支持向量机数据分类的喷煤预测 | 第39-54页 |
| 5.1 支持向量机 | 第39-40页 |
| 5.2 支持向量机模型 | 第40-46页 |
| 5.2.1 线性支持向量机 | 第40-45页 |
| 5.2.2 非线性支持向量机 | 第45页 |
| 5.2.3 支持向量机的多分类方法 | 第45-46页 |
| 5.3 支持向量机核函数 | 第46-48页 |
| 5.4 模型参数优化 | 第48页 |
| 5.5 基于支持向量机炉温向凉向热分类模型 | 第48-51页 |
| 5.5.1 样本数据的选择和处理 | 第49-50页 |
| 5.5.2 采用不同核函数的对比 | 第50页 |
| 5.5.3 交叉验证参数优化 | 第50-51页 |
| 5.6 各分类的喷煤预测 | 第51-53页 |
| 5.7 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录A MATLAB 仿真部分程序 | 第60-61页 |
| 附录B 部分建模数据 | 第61-62页 |
| 在校科研成果 | 第62-63页 |
| 致谢 | 第63页 |