| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 多元统计回归研究现状 | 第9-10页 |
| 1.3 本文的主要内容 | 第10-12页 |
| 第二章 相关基础知识 | 第12-28页 |
| 2.1 数学基础知识 | 第12-14页 |
| 2.1.1 统计量 | 第12-13页 |
| 2.1.2 独立与相关 | 第13-14页 |
| 2.1.3 互信息与熵 | 第14页 |
| 2.2 数据处理技术 | 第14-18页 |
| 2.2.1 异常数据的剔除 | 第14-15页 |
| 2.2.2 数据标准化处理 | 第15-16页 |
| 2.2.3 数据主元分析 | 第16-17页 |
| 2.2.4 数据白化处理 | 第17-18页 |
| 2.3 偏最小二乘法基础 | 第18-20页 |
| 2.4 独立元分析基础 | 第20-23页 |
| 2.4.1 ICA信号模型 | 第20-21页 |
| 2.4.2 ICA的评价准则 | 第21-22页 |
| 2.4.3 Fast-ICA算法 | 第22-23页 |
| 2.5 核方法基础 | 第23-27页 |
| 2.5.1 核空间的定义与性质 | 第23-25页 |
| 2.5.2 核空间上的运算 | 第25页 |
| 2.5.3 算法核化的条件 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于核的多元统计回归方法 | 第28-37页 |
| 3.1 引言 | 第28页 |
| 3.2 建立KPLSR模型 | 第28-32页 |
| 3.2.1 KPLSR模型 | 第28-30页 |
| 3.2.2 GA-KPLSR预测算法 | 第30-32页 |
| 3.3 建立KICR模型 | 第32-35页 |
| 3.3.1 KPCA预处理 | 第32-33页 |
| 3.3.2 ICA提取 | 第33-34页 |
| 3.3.3 KICR预测算法 | 第34-35页 |
| 3.4 KPLSR与KICR算法的比较 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于核的多元统计回归方法的转炉终点温度预测 | 第37-52页 |
| 4.1 引言 | 第37页 |
| 4.2 转炉炼钢过程介绍 | 第37-39页 |
| 4.2.1 转炉炼钢简介 | 第37-38页 |
| 4.2.2 转炉炼钢原理 | 第38-39页 |
| 4.3 转炉终点控制技术 | 第39-41页 |
| 4.3.1 人工经验控制 | 第39-40页 |
| 4.3.2 静态控制 | 第40页 |
| 4.3.3 动态控制 | 第40-41页 |
| 4.4 基于GA-KPLSR的终点温度的预测 | 第41-46页 |
| 4.4.1 建立预测模型 | 第41-44页 |
| 4.4.2 预测结果比较 | 第44-46页 |
| 4.5 基于KICR的终点温度的预测 | 第46-50页 |
| 4.5.1 变量选取及模型建立 | 第46-48页 |
| 4.5.2 预测结果比较 | 第48-50页 |
| 4.6 综合分析 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59-62页 |
| 攻读学位期间的研究成果 | 第62页 |