| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 本文研究背景 | 第7-10页 |
| 1.1.1 铁水脱硫工艺 | 第7-8页 |
| 1.1.2 宝钢铁水脱硫现状 | 第8-10页 |
| 1.1.3 宝钢铁水脱硫生产过程控制系统 | 第10页 |
| 1.2 本文研究目的与意义 | 第10-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文章节安排 | 第13-14页 |
| 第二章 国内外现有模型分析 | 第14-24页 |
| 2.1 模型评价准则 | 第14-15页 |
| 2.2 代数学模型 | 第15-19页 |
| 2.2.1 模型公式 | 第15-16页 |
| 2.2.2 参数拟合 | 第16-18页 |
| 2.2.3 应用状况 | 第18-19页 |
| 2.3 神经网络模型 | 第19-22页 |
| 2.3.1 网络结构 | 第19-20页 |
| 2.3.2 权重训练 | 第20页 |
| 2.3.3 多网并联 | 第20-22页 |
| 2.3.4 使用局限 | 第22页 |
| 2.4 模型对比分析 | 第22-24页 |
| 第三章 前期数据准备 | 第24-41页 |
| 3.1 数据收集 | 第24-27页 |
| 3.1.1 抽取 | 第24-25页 |
| 3.1.2 转换 | 第25-26页 |
| 3.1.3 装载 | 第26-27页 |
| 3.2 离群点检测 | 第27-32页 |
| 3.2.1 产生原因分析 | 第27-28页 |
| 3.2.2 基本概念 | 第28-30页 |
| 3.2.3 检测方法 | 第30-32页 |
| 3.2.4 人工确认 | 第32页 |
| 3.3 数据分层 | 第32-41页 |
| 3.3.1 假设基本原理 | 第33-34页 |
| 3.3.2 工位对加入量的影响 | 第34-37页 |
| 3.3.3 生产时间对加入量的影响 | 第37-38页 |
| 3.3.4 前除渣对加入量的影响 | 第38-39页 |
| 3.3.5 数据分层结论汇总 | 第39-41页 |
| 第四章 基于数据挖掘技术的脱硫模型研究 | 第41-54页 |
| 4.1 数据挖掘技术简介 | 第41-42页 |
| 4.2 k-最近邻分类器 | 第42-44页 |
| 4.2.1 基本原理 | 第42-43页 |
| 4.2.2 不平衡类问题 | 第43-44页 |
| 4.3 基于k-最近邻分类器的脱硫剂加入量计算方法 | 第44-47页 |
| 4.3.1 加入量预测算法 | 第44-45页 |
| 4.3.2 寻找k-最近邻算法 | 第45-47页 |
| 4.3.3 算法组合 | 第47页 |
| 4.4 基于参数试验的属性权重最优值确定方法 | 第47-54页 |
| 4.4.1 数学抽象 | 第48页 |
| 4.4.2 确定试验点 | 第48-50页 |
| 4.4.3 试验结果分析 | 第50-54页 |
| 第五章 模型的系统实现与应用效果 | 第54-65页 |
| 5.1 系统分析 | 第54-55页 |
| 5.1.1 用户需求 | 第54-55页 |
| 5.1.2 开发环境 | 第55页 |
| 5.2 系统设计 | 第55-61页 |
| 5.2.1 进程设计 | 第56-59页 |
| 5.2.2 界面设计 | 第59-60页 |
| 5.2.3 数据表设计 | 第60-61页 |
| 5.3 现场实施效果 | 第61-65页 |
| 5.3.1 命中率考核 | 第61-62页 |
| 5.3.2 模型控制投料 | 第62-65页 |
| 第六章 总结与展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68-69页 |