基于深度置信网络的烧结矿化学成分预测模型研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 烧结工艺研究现状 | 第11-12页 |
| 1.2.2 烧结矿化学成分预测模型研究现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文结构 | 第15-16页 |
| 第2章 烧结过程及预测算法分析 | 第16-25页 |
| 2.1 烧结过程分析 | 第16-20页 |
| 2.1.1 烧结工艺流程介绍 | 第16-17页 |
| 2.1.2 烧结过程特征分析 | 第17-19页 |
| 2.1.3 烧结矿化学成分预测参数确定 | 第19-20页 |
| 2.2 预测算法分析 | 第20-24页 |
| 2.2.1 传统智能预测算法 | 第20-21页 |
| 2.2.2 DBN预测算法 | 第21-23页 |
| 2.2.3 预测算法选择 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于DBN的烧结矿化学成分预测模型 | 第25-41页 |
| 3.1 数据处理 | 第25-28页 |
| 3.1.1 模型输入参数确定 | 第25-27页 |
| 3.1.2 数据预处理 | 第27-28页 |
| 3.2 DBN预测模型 | 第28-37页 |
| 3.2.1 DBN模型网络结构 | 第29-30页 |
| 3.2.2 DBN模型训练 | 第30-31页 |
| 3.2.3 DBN模型仿真及误差分析 | 第31-37页 |
| 3.3 多模型仿真对比验证 | 第37-40页 |
| 3.3.1 BP神经网络预测模型 | 第37-38页 |
| 3.3.2 SVM预测模型 | 第38页 |
| 3.3.3 仿真对比 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 烧结矿化学成分在线预测系统实现 | 第41-54页 |
| 4.1 预测系统结构设计 | 第41-44页 |
| 4.1.1 成分在线检测 | 第41-42页 |
| 4.1.2 预测系统基本结构 | 第42-44页 |
| 4.2 预测系统功能实现 | 第44-51页 |
| 4.2.1 系统功能组成 | 第44-45页 |
| 4.2.2 系统硬件结构 | 第45-47页 |
| 4.2.3 系统软件功能 | 第47-51页 |
| 4.2.4 预测模型自适应 | 第51页 |
| 4.3 系统运行效果 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 结论与展望 | 第54-56页 |
| 5.1 结论 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录1 攻读硕士学位期间发表的论文 | 第61-62页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第62-63页 |
| 详细摘要 | 第63-66页 |
