| 摘要 | 第1-8页 |
| Abstract | 第8-12页 |
| 第1章 绪论 | 第12-23页 |
| ·课题背景 | 第12-13页 |
| ·国内外炼焦的发展现状 | 第13-16页 |
| ·捣固炼焦技术 | 第13-14页 |
| ·煤预热炼焦技术 | 第14页 |
| ·煤调湿技术 | 第14-15页 |
| ·焦炉的大型化 | 第15-16页 |
| ·焦炭质量预测的研究现状 | 第16-20页 |
| ·焦炭灰分、硫分的预测 | 第17页 |
| ·焦炭冷态强度的预测 | 第17-20页 |
| ·焦炭热态强度的预测 | 第20页 |
| ·本论文的研究内容和意义 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第2章 基于多元回归焦炭质量预测模型 | 第23-30页 |
| ·多元线性回归分析的原理 | 第23-24页 |
| ·系统模型的建立 | 第24-27页 |
| ·模型数据的筛选 | 第24页 |
| ·模型建立的过程 | 第24-26页 |
| ·回归关系的显著性检验 | 第26-27页 |
| ·系统的仿真结果 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 基于 GA 优化的 BP 神经网络焦炭质量预测 | 第30-48页 |
| ·BP 神经网络 | 第30-39页 |
| ·BP 算法的前馈网络模型 | 第30-32页 |
| ·BP 神经网络学习算法 | 第32-35页 |
| ·BP 算法的程序实现 | 第35-37页 |
| ·BP 算法的缺点与困难 | 第37-39页 |
| ·遗传算法的基本原理及方法 | 第39-41页 |
| ·遗传算法概述 | 第39页 |
| ·遗传算法的关键参数确定 | 第39-40页 |
| ·遗传算法的应用 | 第40-41页 |
| ·基于遗传算法优化的 BP 网络的算法设计 | 第41-42页 |
| ·系统仿真及分析 | 第42-47页 |
| ·预测模型的训练 | 第42-43页 |
| ·系统的仿真分析 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于 GA 优化的 RBF 神经网络焦炭质量预测 | 第48-67页 |
| ·引言 | 第48页 |
| ·径向基网络原理与学习算法 | 第48-56页 |
| ·正则化 RBF 网络原理与学习算法 | 第48-51页 |
| ·广义 RBF 网络原理与学习算法 | 第51-55页 |
| ·RBF 网络中心的确定 | 第55-56页 |
| ·遗传算法 | 第56-60页 |
| ·基于遗传算法优化的 RBF 网络的算法设计 | 第60-62页 |
| ·系统仿真与分析 | 第62-66页 |
| ·预测模型的训练 | 第62-63页 |
| ·预测模型的仿真分析 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文和取得的科技成果 | 第74-75页 |
| 致谢 | 第75-76页 |