唐钢二炼铁厂3号高炉铁水硅含量神经网络预报模型
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 引言 | 第9-11页 |
| 1 高炉热状态模型发展概述 | 第11-21页 |
| ·高炉热状态数学模型 | 第12-16页 |
| ·人工智能 | 第16-19页 |
| ·高炉热状态专家系统 | 第16-18页 |
| ·神经网络模型 | 第18-19页 |
| ·课题的提出 | 第19-21页 |
| 2 模型建立方法的确定 | 第21-31页 |
| ·模型建立方法比较 | 第21-22页 |
| ·人工神经网络 | 第22-26页 |
| ·BP 算法 | 第26-31页 |
| 3 模型结构的确定及功能设计 | 第31-53页 |
| ·模型结构的确定 | 第31-34页 |
| ·输入层的确定 | 第31-33页 |
| ·输出层的确定 | 第33页 |
| ·隐含层的确定 | 第33-34页 |
| ·样本集的制作 | 第34-38页 |
| ·采集数据 | 第34页 |
| ·数据处理 | 第34-38页 |
| ·模型的训练 | 第38-43页 |
| ·学习参数的确定 | 第38-39页 |
| ·网络的学习过程 | 第39-43页 |
| ·铁水硅含量泛化检验 | 第43-46页 |
| ·固定式预报 | 第43页 |
| ·修正式预报 | 第43-46页 |
| ·在线预报 | 第46-47页 |
| ·铁水硅含量的控制 | 第47-53页 |
| ·理论分析 | 第47-48页 |
| ·操作指导 | 第48-53页 |
| 4 模型功能的实现 | 第53-61页 |
| ·软件的功能和结构 | 第53-59页 |
| ·实例运行 | 第59-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 在学研究成果 | 第65-66页 |
| 致谢 | 第66页 |
