| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10-14页 |
| 1.1.1 高炉炼铁的发展现状 | 第10-11页 |
| 1.1.2 铁水硅含量预测的意义 | 第11-12页 |
| 1.1.3 铁水硅含量的主要预测方法 | 第12-14页 |
| 1.1.4 存在的问题 | 第14页 |
| 1.2 本论文的主要工作 | 第14-16页 |
| 第二章 神经网络技术与建模工艺参数分析 | 第16-24页 |
| 2.1 人工神经网络 | 第16-18页 |
| 2.1.1 人工神经网络概述 | 第16-17页 |
| 2.1.2 RBF神经网络 | 第17-18页 |
| 2.2 建模所需工艺参数分析 | 第18-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第三章 基于集成模糊神经网络铁水硅含量预测系统建模 | 第24-38页 |
| 3.1 集成神经网络 | 第24-26页 |
| 3.2 模糊神经网络 | 第26-27页 |
| 3.3 数据预处理 | 第27-28页 |
| 3.4 单个神经网络铁水硅含量的预测模型 | 第28-31页 |
| 3.4.1 单个RBF神经网络预测模型 | 第28-29页 |
| 3.4.2 RBF网络的学习算法 | 第29-31页 |
| 3.5 集成模糊神经网络铁水硅含量预测模型 | 第31-37页 |
| 3.5.1 预测模型系统结构 | 第31页 |
| 3.5.2 预测模型网络结构 | 第31-33页 |
| 3.5.3 子网络模型建立与学习 | 第33-35页 |
| 3.5.4 决策融合网络设计 | 第35-37页 |
| 3.5.5 网络模型的训练过程 | 第37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于集成灰色模糊神经网络铁水硅含量预测系统建模 | 第38-44页 |
| 4.1 灰色预测方法 | 第38-40页 |
| 4.1.1 灰色预测理论概念 | 第38页 |
| 4.1.2 GM(1,1)预测模型 | 第38-40页 |
| 4.2 集成灰色模糊神经网络的组合预测模型 | 第40-42页 |
| 4.2.1 子网络模型的建立 | 第40页 |
| 4.2.2 组合预测模型的网络结构 | 第40-41页 |
| 4.2.3 组合预测模型的建模步骤 | 第41-42页 |
| 4.2.4 组合预测模型的训练 | 第42页 |
| 4.3 本章小结 | 第42-44页 |
| 第五章 三种铁水硅含量预测模型仿真结果的对比分析 | 第44-48页 |
| 5.1 预测结果的比较和分析 | 第44-47页 |
| 5.2 本章小结 | 第47-48页 |
| 第六章 铁水硅含量上位机管理系统的设计 | 第48-56页 |
| 6.1 系统软件设计 | 第48-50页 |
| 6.1.1 需求分析与实现方案 | 第48-49页 |
| 6.1.2 数据库的连接 | 第49页 |
| 6.1.3 MATLAB与VC++的接口实现 | 第49-50页 |
| 6.2 软件功能及软件界面的详细介绍 | 第50-54页 |
| 6.3 本章小结 | 第54-56页 |
| 第七章 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 作者简介及攻读期成果 | 第62-64页 |
| 致谢 | 第64页 |