基于大数据的选煤信息融合与活化和重介分选在线参数的知识发现
| 致谢 | 第3-5页 |
| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 1 绪论 | 第25-28页 |
| 1.1 课题来源 | 第25页 |
| 1.2 研究背景及意义 | 第25-26页 |
| 1.3 研究内容 | 第26-28页 |
| 2 文献综述 | 第28-43页 |
| 2.1 国内研究现状 | 第28-31页 |
| 2.2 国外研究现状 | 第31-36页 |
| 2.3 论文涉及的技术与方法 | 第36-42页 |
| 2.4 本章小结 | 第42-43页 |
| 3 大数据环境下选煤信息的分类和采集 | 第43-57页 |
| 3.1 选煤厂信息现状 | 第43-44页 |
| 3.2 选煤信息的分类 | 第44-51页 |
| 3.3 选煤信息的采集 | 第51-54页 |
| 3.4 数据交换接口 | 第54-55页 |
| 3.5 本章小结 | 第55-57页 |
| 4 大数据环境下选煤信息融合和活化的体系构建 | 第57-65页 |
| 4.1 选煤厂的信息融合活化体系 | 第57-62页 |
| 4.2 矿业集团煤炭行业的信息融合活化体系 | 第62-63页 |
| 4.3 关键技术问题 | 第63-64页 |
| 4.4 本章小结 | 第64-65页 |
| 5 重介分选业务理解与实验分析 | 第65-80页 |
| 5.1 重介分选控制过程 | 第65页 |
| 5.2 试验系统简介-唐口选煤厂 | 第65-68页 |
| 5.3 实验安排 | 第68-69页 |
| 5.4 重介生产实验数据及分析 | 第69-79页 |
| 5.5 本章小结 | 第79-80页 |
| 6 重介工艺参数的在线采集与预处理 | 第80-90页 |
| 6.1 在线数据采集 | 第80-84页 |
| 6.2 在线数据预处理 | 第84-89页 |
| 6.3 本章小结 | 第89-90页 |
| 7 灰分校正的知识发现 | 第90-105页 |
| 7.1 灰分仪的工作原理与误差分析 | 第90页 |
| 7.2 灰分仪数据的整理分析 | 第90-97页 |
| 7.3 灰分仪误差拟合回归 | 第97-101页 |
| 7.4 基于LS-SVM的灰分预测模型 | 第101-103页 |
| 7.5 本章小结 | 第103-105页 |
| 8 重介分选循环介质密度预测的知识发现 | 第105-124页 |
| 8.1 数据准备 | 第105-109页 |
| 8.2 数据挖掘不同回归算法的比较 | 第109-115页 |
| 8.3 输入项缺失对算法预测精度的影响 | 第115-117页 |
| 8.4 不同时间范围输入矩阵对预测精度的影响 | 第117-119页 |
| 8.5 基于相空间重构的循环介质密度预测 | 第119-122页 |
| 8.6 误差分析 | 第122页 |
| 8.7 本章小结 | 第122-124页 |
| 9 软件的设计与开发 | 第124-133页 |
| 9.1 数据挖掘体系 | 第124-128页 |
| 9.2 开发测试环境 | 第128页 |
| 9.3 应用程序展示 | 第128-132页 |
| 9.4 本章小结 | 第132-133页 |
| 10 总结与展望 | 第133-136页 |
| 10.1 研究总结 | 第133-135页 |
| 10.2 主要创新点 | 第135页 |
| 10.3 工作展望 | 第135-136页 |
| 参考文献 | 第136-146页 |
| 作者简历 | 第146-148页 |
| 学位论文数据集 | 第148页 |
