| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状和进展 | 第14-21页 |
| 1.2.1 机理模型 | 第14-15页 |
| 1.2.2 专家经验模型 | 第15-16页 |
| 1.2.3 数据驱动模型 | 第16-21页 |
| 1.3 本文主要研究内容及结构安排 | 第21-24页 |
| 第2章 高炉冶炼过程硅的迁移行为分析及铁水硅含量影响因素的确定 | 第24-40页 |
| 2.1 引言 | 第24页 |
| 2.2 高炉冶炼过程的基本原理 | 第24-29页 |
| 2.3 高炉铁水硅含量影响因素分析 | 第29-39页 |
| 2.3.1 高炉内硅的来源 | 第29页 |
| 2.3.2 高炉内硅的迁移行为 | 第29-32页 |
| 2.3.3 影响高炉铁水硅含量的因素分析 | 第32-39页 |
| 2.4 本章小结 | 第39-40页 |
| 第3章 影响高炉铁水硅含量的相关变量选择及其滞后时间确定 | 第40-68页 |
| 3.1 引言 | 第40页 |
| 3.2 高炉数据异常值检测 | 第40-52页 |
| 3.2.1 高炉数据分布特性 | 第41-48页 |
| 3.2.2 基于箱线图法的高炉数据异常值检测 | 第48-52页 |
| 3.3 基于相关性分析的模型输入变量选择 | 第52-67页 |
| 3.3.1 基于皮尔森相关系数的输入变量选择 | 第54-58页 |
| 3.3.2 基于斯皮尔曼秩相关系数的输入变量选择 | 第58-62页 |
| 3.3.3 基于最大信息系数的输入变量选择 | 第62-67页 |
| 3.4 本章小结 | 第67-68页 |
| 第4章 基于矩阵分解的改进极限学习机的高炉铁水硅含量建模 | 第68-98页 |
| 4.1 引言 | 第68页 |
| 4.2 极限学习机简介 | 第68-74页 |
| 4.3 基于矩阵分解的改进极限学习机 | 第74-77页 |
| 4.4 DIELM性能验证 | 第77-81页 |
| 4.4.1 回归问题测试 | 第77-80页 |
| 4.4.2 分类问题测试 | 第80-81页 |
| 4.5 高炉铁水硅含量建模仿真 | 第81-96页 |
| 4.6 本章小结 | 第96-98页 |
| 第5章 基于变遗忘因子随机梯度算法的Wiener模型的高炉铁水硅含量建模 | 第98-119页 |
| 5.1 引言 | 第98页 |
| 5.2 基于多输入单输出Wiener模型的高炉铁水硅含量建模 | 第98-110页 |
| 5.2.1 高炉系统的时变特性 | 第98-99页 |
| 5.2.2 变遗忘因子随机梯度算法的Wiener模型辨识 | 第99-110页 |
| 5.3 高炉铁水硅含量建模仿真 | 第110-118页 |
| 5.4 本章小结 | 第118-119页 |
| 第6章 基于门控极限学习机的高炉铁水硅含量建模 | 第119-149页 |
| 6.1 引言 | 第119页 |
| 6.2 高炉系统的多子模型特性 | 第119-120页 |
| 6.3 门控极限学习机模型的提出 | 第120-124页 |
| 6.4 门控极限学习机模型的优化求解 | 第124-127页 |
| 6.5 实例仿真 | 第127-134页 |
| 6.6 高炉铁水硅含量建模仿真 | 第134-148页 |
| 6.7 本章小结 | 第148-149页 |
| 第7章 高炉铁水硅含量预测系统的开发及其应用 | 第149-157页 |
| 7.1 引言 | 第149页 |
| 7.2 系统开发 | 第149-154页 |
| 7.2.1 系统编程环境 | 第149-150页 |
| 7.2.2 系统实现 | 第150-154页 |
| 7.3 运行实例 | 第154-156页 |
| 7.4 本章小结 | 第156-157页 |
| 结论 | 第157-159页 |
| 参考文献 | 第159-167页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第167-169页 |
| 致谢 | 第169页 |
