基于支持向量机的转炉终点预测研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-16页 |
| ·课题研究背景 | 第7页 |
| ·转炉炼钢终点控制技术现状 | 第7-14页 |
| ·传统终点控制技术 | 第7-12页 |
| ·人工神经网络终点控制技术 | 第12-14页 |
| ·课题主要工作 | 第14-16页 |
| 2 炉口火焰光谱分析与获取 | 第16-27页 |
| ·火焰光谱理论分析 | 第16-20页 |
| ·火焰辐射 | 第16页 |
| ·辐射度学中的量和单位 | 第16-17页 |
| ·辐射定律 | 第17-19页 |
| ·光谱信息用于本文研究的可行性分析 | 第19-20页 |
| ·光谱获取系统 | 第20-24页 |
| ·炉口火焰的光谱信息采集区域选择 | 第24-25页 |
| ·光谱仪获得的实际辐通量 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 支持向量机预测模型设计 | 第27-50页 |
| ·引言 | 第27-32页 |
| ·机器学习的基本问题 | 第28-29页 |
| ·统计学习理论 | 第29-32页 |
| ·经典支持向量机原理 | 第32-38页 |
| ·最优分类超平面 | 第32-36页 |
| ·支持向量机 | 第36-37页 |
| ·回归支持向量机 | 第37-38页 |
| ·算法流程 | 第38-39页 |
| ·最小二乘支持向量机 | 第39-41页 |
| ·模型的建立 | 第41-45页 |
| ·样本的选取与处理 | 第41-43页 |
| ·核函数的选择 | 第43-44页 |
| ·模型结构 | 第44-45页 |
| ·模型的训练和使用 | 第45-49页 |
| ·确定惩罚因子和核函数宽度 | 第45-46页 |
| ·模型的训练和测试结果 | 第46-47页 |
| ·模型的预测结果 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 4 转炉终点在线预测系统 | 第50-54页 |
| ·虚拟仪器简介 | 第50-51页 |
| ·终点在线预测系统设计 | 第51-52页 |
| ·系统的应用情况分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 5 工作总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录A:支持向量机预测模型的实验数据表 | 第61-62页 |
| 附录B:在线终点预测模型的实验数据表 | 第62-63页 |
