基于高炉数据与风口图像的炉温综合预测
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 引言 | 第8-16页 |
| 1.1 研究背景 | 第8-12页 |
| 1.1.1 钢铁工业节能减排 | 第8-9页 |
| 1.1.2 炉温预测的重要性 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究目标和内容 | 第14-16页 |
| 2 高炉工艺参数与风口图像 | 第16-26页 |
| 2.1 高炉工艺 | 第16-19页 |
| 2.2 高炉参数 | 第19-23页 |
| 2.2.1 状态参数 | 第20-21页 |
| 2.2.2 控制参数 | 第21-23页 |
| 2.3 风口图像 | 第23-26页 |
| 2.3.1 风口图像与炉温的关系 | 第23-24页 |
| 2.3.2 风口图像研究进展 | 第24-26页 |
| 3 基于风口图像的炉温预测 | 第26-38页 |
| 3.1 风口图像检测系统 | 第26-27页 |
| 3.2 图像处理 | 第27-34页 |
| 3.2.1 图像去噪 | 第27-28页 |
| 3.2.2 图像灰度值确定 | 第28-33页 |
| 3.2.3 伪彩图变换 | 第33-34页 |
| 3.3 最小二乘法 | 第34-35页 |
| 3.4 基于风口图像的炉温预测 | 第35-38页 |
| 4 高炉数据分析 | 第38-43页 |
| 4.1 数据挖掘理论 | 第38-39页 |
| 4.2 变量选择及相关性分析 | 第39-40页 |
| 4.3 数据预处理 | 第40-43页 |
| 4.3.1 异常值剔除 | 第40-41页 |
| 4.3.2 数据平滑 | 第41-42页 |
| 4.3.3 归一化 | 第42-43页 |
| 5 基于高炉数据与风口图像的炉温预测 | 第43-56页 |
| 5.1 BP 神经网络 | 第43-44页 |
| 5.2 基于高炉数据与风口图像的炉温预测 | 第44-50页 |
| 5.2.1 BP 预测模型的建立 | 第44-45页 |
| 5.2.2 预测结果分析 | 第45-50页 |
| 5.3 遗传算法优化BP 神经网络 | 第50-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录A [部分建模数据] | 第61-62页 |
| 附录B [部分MATLAB 程序] | 第62-63页 |
| 在学研究成果 | 第63-64页 |
| 致谢 | 第64页 |
