| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要内容 | 第12-15页 |
| 第二章 高炉煤气系统背景介绍 | 第15-25页 |
| 2.1 钢铁冶金的生产流程简介 | 第15-19页 |
| 2.1.1 炼铁工艺 | 第16-18页 |
| 2.1.2 炼钢工艺 | 第18-19页 |
| 2.2 高炉煤气的产耗分析 | 第19-23页 |
| 2.2.1 高炉煤气的产生 | 第19-20页 |
| 2.2.2 高炉煤气系统供需分析 | 第20-21页 |
| 2.2.3 高炉煤气受入量分析 | 第21-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 基于经验模态分解的数据处理方法 | 第25-41页 |
| 3.1 传统的数据滤波方法 | 第25-27页 |
| 3.2 经验模态分解的基本理论 | 第27-29页 |
| 3.2.1 经验模态分解 | 第27-28页 |
| 3.2.2 集合经验模态分解 | 第28-29页 |
| 3.3 带有自适应噪声的集合经验模态分解 | 第29-30页 |
| 3.4 模态分解中的停止准则 | 第30-32页 |
| 3.5 一种基于EMD分解的去噪方法 | 第32-39页 |
| 3.5.1 EMD去噪法 | 第32页 |
| 3.5.2 改进的EMD去噪法 | 第32-34页 |
| 3.5.3 改进的EEMDAN去噪法 | 第34页 |
| 3.5.4 去噪仿真 | 第34-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 高炉煤气受入量预测方法 | 第41-59页 |
| 4.1 常用的数据预测方法 | 第41-45页 |
| 4.2 神经网络介绍 | 第45-49页 |
| 4.2.1 BP神经网络 | 第45-47页 |
| 4.2.2 RBF神经网络 | 第47-49页 |
| 4.3 实验 | 第49-56页 |
| 4.3.1 RBF预测模型 | 第50-51页 |
| 4.3.2 基于EEMD的RBF预测模型 | 第51-52页 |
| 4.3.3 基于EEMDAN的RBF预测模型 | 第52-54页 |
| 4.3.4 基于改进EEMDAN的DRBF预测模型 | 第54-56页 |
| 4.4 预测模型的测试与评价 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 发表论文和参加科研情况 | 第65-67页 |
| 致谢 | 第67页 |