| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第1章 概论 | 第8-16页 |
| ·背景和意义 | 第8页 |
| ·烧结工艺简介 | 第8-11页 |
| ·烧结工艺的特点 | 第9-10页 |
| ·烧结矿化学成分对烧结矿质量的影响 | 第10-11页 |
| ·安钢烧结矿的检测设备及所存在的问题 | 第11-12页 |
| ·安钢现有检验过程 | 第11页 |
| ·存在的问题 | 第11-12页 |
| ·论文的选题和意义及论文的主要研究工作 | 第12-16页 |
| ·论文的选题和意义 | 第12页 |
| ·国内外研究的现状与发展 | 第12-14页 |
| ·论文的主要研究工作 | 第14-15页 |
| ·主要创新点 | 第15-16页 |
| 第2章 基于BP神经网络算法的烧结矿化学成分的预测 | 第16-33页 |
| ·BP神经网络 | 第16-19页 |
| ·BP网络概述 | 第16-18页 |
| ·BP算法 | 第17-18页 |
| ·BP网络的改进 | 第18页 |
| ·交叉确认 | 第18页 |
| ·网络修剪技术 | 第18-19页 |
| ·基于BP神经网络烧结矿化学成分的预测 | 第19-32页 |
| ·系统输入参数的取舍 | 第19-21页 |
| ·系统的配置结构 | 第21-22页 |
| ·成品检验值数据的预处理 | 第22页 |
| ·神经网络算法与模型 | 第22-32页 |
| ·神经网络建模 | 第22-23页 |
| ·隐含层神经元数的确定 | 第23-24页 |
| ·初始权值的选取 | 第24页 |
| ·神经元作用函数的选择 | 第24-26页 |
| ·样本数据的处理 | 第26-27页 |
| ·网络的初始化训练 | 第27页 |
| ·烧结矿化学成分预测网络结构的确定 | 第27-28页 |
| ·MATLAB仿真及预测结果比较 | 第28-31页 |
| ·预报模型预报准确度的评价方法 | 第31-32页 |
| ·网络模型的验证 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于灰色神经网络算法的烧结矿化学成分的预测 | 第33-49页 |
| ·灰色系统的基本原理 | 第34-36页 |
| ·灰色系统预测 | 第36-40页 |
| ·灰色序列生成 | 第36-38页 |
| ·数据累加生成 | 第36-37页 |
| ·数列的光滑性 | 第37-38页 |
| ·灰色模型GM(1，1) | 第38-40页 |
| ·基于灰色神经网络算法的烧结矿化学成分的预测 | 第40-48页 |
| ·烧结矿化学成分的灰色关联度分析 | 第40-42页 |
| ·灰色神经网络预测模型的建立 | 第42-44页 |
| ·烧结矿化学成分问题的灰色神经网络预测 | 第44-48页 |
| ·MATLAB仿真 | 第44-47页 |
| ·预测结果分析及网络预测模型验证 | 第47页 |
| ·烧结矿化学成分的灰色神经网络预测和BP神经网络预测的比较 | 第47-48页 |
| ·本章总结 | 第48-49页 |
| 第4章 烧结矿化学成分控制策略 | 第49-55页 |
| ·烧结矿化学成分的控制 | 第49-51页 |
| ·区间优化控制策略 | 第50-51页 |
| ·区间优化控制策略的提出 | 第50页 |
| ·区间划分及状态描述 | 第50-51页 |
| ·碱度中心控制策略 | 第51-54页 |
| ·碱度中心控制策略的提出 | 第51-53页 |
| ·控制原则及方法 | 第53-54页 |
| ·系统应用效果 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于COM技术的Matlab 6.5与VC++6.0的混合编程 | 第55-65页 |
| ·神经网络仿真工具 | 第55-56页 |
| ·烧结矿化学成分数据库 | 第56页 |
| ·MATLAB和VC++6.0的混合编程 | 第56-63页 |
| ·Matlab COM Builder简介 | 第56-57页 |
| ·Matlab COM组件 | 第57页 |
| ·COM组件原理 | 第57-58页 |
| ·MATLAB Builder for COM—在matlab com中创建COM对象 | 第58-63页 |
| ·本章小结 | 第63-65页 |
| 第6章 结束语 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录A：攻读硕士学位期间发表的学术论文 | 第72-73页 |
| 附录B：图表目录 | 第73页 |
