| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 高炉建模的国内外研究现状 | 第12-15页 |
| 1.2.2 高炉[Si]预测建模的国内外研究现状 | 第15-17页 |
| 1.2.3 启发式优化算法的国内外研究现状 | 第17-18页 |
| 1.2.4 支持向量机的国内外研究现状 | 第18-20页 |
| 1.3 论文的主要研究内容和结构安排 | 第20-22页 |
| 第2章 高炉冶炼工艺机理及相关变量分析 | 第22-26页 |
| 2.1 引言 | 第22页 |
| 2.2 高炉冶炼的工艺机理 | 第22-24页 |
| 2.3 高炉冶炼过程的相关变量 | 第24-25页 |
| 2.3.1 状态变量 | 第24-25页 |
| 2.3.2 控制变量 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 粒子群优化算法改进 | 第26-50页 |
| 3.1 引言 | 第26页 |
| 3.2 粒子群优化算法 | 第26-31页 |
| 3.2.1 粒子群算法原理 | 第27-29页 |
| 3.2.2 粒子群算法流程 | 第29-30页 |
| 3.2.3 粒子群算法参数分析 | 第30-31页 |
| 3.3 多群粒子群算法 | 第31-34页 |
| 3.3.1 多群粒子群算法描述 | 第31-32页 |
| 3.3.2 动态多群粒子群算法原理 | 第32-34页 |
| 3.4 改进的动态多群粒子群算法 | 第34-36页 |
| 3.4.1 改进的动态多群粒子群算法描述 | 第34-36页 |
| 3.4.2 改进的动态多群粒子群算法流程 | 第36页 |
| 3.5 仿真实验及结果分析 | 第36-49页 |
| 3.5.1 测试函数 | 第36-39页 |
| 3.5.2 参数设置 | 第39-40页 |
| 3.5.3 实验结果及分析 | 第40-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第4章 基于改进粒子群支持向量机的高炉炉温预测 | 第50-72页 |
| 4.1 引言 | 第50页 |
| 4.2 支持向量机原理 | 第50-58页 |
| 4.2.1 线性支持向量机 | 第51-55页 |
| 4.2.2 非线性支持向量机 | 第55-56页 |
| 4.2.3 支持向量回归 | 第56-58页 |
| 4.3 输入参数的确定 | 第58-60页 |
| 4.3.1 数据归一化 | 第58页 |
| 4.3.2 灰度关联法 | 第58-60页 |
| 4.4 基于改进粒子群支持向量机的高炉[Si]预测单模型的建立 | 第60-64页 |
| 4.4.1 建模流程 | 第60-61页 |
| 4.4.2 参数设置 | 第61页 |
| 4.4.3 实验结果及分析 | 第61-64页 |
| 4.5 基于改进粒子群支持向量机的高炉[Si]预测多模型的建立 | 第64-70页 |
| 4.5.1 K-均值聚类 | 第64页 |
| 4.5.2 建模流程 | 第64-65页 |
| 4.5.3 实验结果及分析 | 第65-70页 |
| 4.6 本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-81页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第81-82页 |
| 致谢 | 第82-83页 |
| 作者简介 | 第83页 |