基于数据挖掘的马钢CSP热轧板卷的性能预测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·论文研究背景及其意义 | 第9-10页 |
| ·性能预测 | 第10-12页 |
| ·性能预测的作用原理 | 第10页 |
| ·性能预测的国内外发展 | 第10-11页 |
| ·性能预测模型目前存在的问题 | 第11-12页 |
| ·论文的研究内容和技术路线 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 CSP 生产现状分析 | 第14-20页 |
| ·薄板连铸连轧技术 | 第14-15页 |
| ·薄板坯连铸连轧技术国内外发展 | 第15-17页 |
| ·薄板坯连铸连轧国外发展 | 第15-16页 |
| ·薄板坯连铸连轧国内发展 | 第16-17页 |
| ·马钢CSP 工艺技术 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 数据挖掘在性能预测中的应用 | 第20-43页 |
| ·数据挖掘 | 第20-30页 |
| ·数据挖掘的概念 | 第21-23页 |
| ·数据挖掘的功能与主要技术 | 第23-26页 |
| ·数据挖掘的主要步骤及过程模型 | 第26-27页 |
| ·数据挖掘相关工具介绍 | 第27-30页 |
| ·数据仓库与数据集市 | 第30-40页 |
| ·数据仓库与数据集市概述 | 第30-33页 |
| ·数据仓库与传统数据库和数据集市的区别 | 第33-35页 |
| ·模型中输入输出变量的确定 | 第35-37页 |
| ·热轧产品数据集市的建立 | 第37-40页 |
| ·数据预处理 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于回归模型的热轧板卷性能预测 | 第43-54页 |
| ·线性回归概述及其发展 | 第43-45页 |
| ·线性回归数学模型介绍 | 第45-46页 |
| ·基于线性回归热轧板卷性能预测模型的建立 | 第46-53页 |
| ·模型建立 | 第46-48页 |
| ·数据相关性分析 | 第48-49页 |
| ·模型结果分析 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于神经网络的性能预测模型 | 第54-77页 |
| ·神经网络概述 | 第54-58页 |
| ·神经元模型 | 第55-56页 |
| ·神经网络的设计方法 | 第56-58页 |
| ·BP 神经网络性能预测模型 | 第58-68页 |
| ·BP 神经网络的结构模型 | 第58-59页 |
| ·BP 神经网络学习方法 | 第59-62页 |
| ·BP 算法的改进 | 第62-63页 |
| ·基于BP 神经网络的热轧板卷力学性能模型设计 | 第63-68页 |
| ·回归模型与BP 神经网络模型对比研究 | 第68-69页 |
| ·神经网络模型的应用 | 第69-76页 |
| ·化学成分对带钢力学性能的影响 | 第69-73页 |
| ·工艺参数对带钢力学性能的影响 | 第73-76页 |
| ·本章小结 | 第76-77页 |
| 总结与展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 在读硕士学位期间发表的论文与参与的项目 | 第82-83页 |
| 致谢 | 第83-84页 |
| 图清单 | 第84-86页 |
| 表清单 | 第86页 |
