应用统计模式识别和人工神经网络研究转炉炼钢中的脱磷
| 1 绪论 | 第1-20页 |
| ·LD转炉炼钢对炉渣的要求 | 第7页 |
| ·LD转炉吹炼中的成渣过程和机理 | 第7-9页 |
| ·LD转炉冶炼中的脱磷 | 第9-13页 |
| ·磷在钢中的危害 | 第9页 |
| ·脱磷的热力学 | 第9-11页 |
| ·脱磷的动力学 | 第11-12页 |
| ·回磷问题 | 第12-13页 |
| ·研究的对象、目的和意义 | 第13-20页 |
| ·临汾钢铁公司的生产现状 | 第13-17页 |
| ·继续脱磷的可能性热力学分析 | 第17-19页 |
| ·传统的统计研究方法和得到的脱磷公式 | 第19-20页 |
| 2 磷分配比的统计模型 | 第20-34页 |
| ·多元统计方法简介 | 第20-24页 |
| ·多元线性回归分析 | 第21页 |
| ·主成分分析(PCA) | 第21-22页 |
| ·偏最小二乘法(PLS) | 第22-24页 |
| ·PLS和PCA的比较 | 第24页 |
| ·建立LP统计模型的数学实验 | 第24-30页 |
| ·多元线性回归模型 | 第24-26页 |
| ·主成分回归模型 | 第26-28页 |
| ·偏最小二乘法回归模型 | 第28-30页 |
| ·优化设计 | 第30-34页 |
| ·主图优化方向可视分析 | 第30-31页 |
| ·确定优化范围 | 第31-34页 |
| 3 终点磷含量的BP神经网络模型 | 第34-49页 |
| ·人工神经网络和BP网络简介 | 第34-37页 |
| ·人工神经网络的基本理论 | 第34-35页 |
| ·BP神经网络 | 第35-37页 |
| ·人工神经网络在转炉炼钢过程中的应用 | 第37-38页 |
| ·[P]的BP网络模型及预测 | 第38-49页 |
| ·BP网络的结构 | 第38页 |
| ·用改进的BP算法预测终点钢水[P]含量 | 第38-47页 |
| ·实验结论 | 第47-49页 |
| 4 终点磷含量的PLS-BP预测模型 | 第49-61页 |
| ·BP网络的过拟和和克服手段 | 第49页 |
| ·PLS-BP预测模型的数学实验 | 第49-61页 |
| ·实验条件和方法 | 第49-50页 |
| ·实验过程 | 第50-58页 |
| ·实验结论 | 第58-59页 |
| ·转炉炼钢中PLS-BP模型的讨论 | 第59-61页 |
| 5 结论 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 附录 | 第65-70页 |
