基于信息熵的转炉炼钢动态过程建模研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·国内外研究现状及分析 | 第10-13页 |
| ·论文的主要内容及结构 | 第13-15页 |
| 2 基于互信息的案例检索方法应用于吹氧量计算 | 第15-27页 |
| ·案例描述 | 第16-18页 |
| ·确定问题属性 | 第17页 |
| ·利用氧气脱碳效率确定解属性 | 第17-18页 |
| ·案例检索 | 第18-21页 |
| ·传统的案例检索方法 | 第18-19页 |
| ·基于互信息确定输入属性的权重 | 第19-21页 |
| ·案例重用、修正与保存 | 第21页 |
| ·仿真研究 | 第21-25页 |
| ·基于氧气脱碳效率计算吹氧量 | 第21-24页 |
| ·改进前与改进后的比较 | 第24-25页 |
| ·本文方法与其他方法的比较 | 第25页 |
| ·小结 | 第25-27页 |
| 3 基于条件熵的组合预测应用于冷却剂加入量计算 | 第27-35页 |
| ·支持向量机 | 第27-29页 |
| ·基于条件熵的组合预测模型 | 第29-32页 |
| ·基于预测误差和预测相似度的组合预测评价指标 | 第29-31页 |
| ·条件熵 | 第31页 |
| ·基于条件熵的模糊组合预测 | 第31-32页 |
| ·仿真研究 | 第32-34页 |
| ·小结 | 第34-35页 |
| 4 基于PSO-ICA算法的转炉炼钢终点预报模型 | 第35-48页 |
| ·传统的独立成分分析优化算法 | 第35-38页 |
| ·基于微粒群不动点迭代优化算法 | 第38-42页 |
| ·微粒群算法原理 | 第38-39页 |
| ·PSO-ICA算法 | 第39-42页 |
| ·RBF神经网络模型 | 第42-43页 |
| ·仿真研究 | 第43-46页 |
| ·转炉炼钢终点预报模型 | 第43-45页 |
| ·模型可靠性验证 | 第45-46页 |
| ·小结 | 第46-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 课题资助情况 | 第52-53页 |
| 攻读硕士学位期间参与项目情况 | 第53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-56页 |
