| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 本课题的研究背景和意义 | 第13-16页 |
| 1.2 国内外研究现状和进展 | 第16-25页 |
| 1.2.1 高炉冶炼过程的复杂性研究 | 第16-18页 |
| 1.2.2 高炉冶炼过程的炉温预测模型研究 | 第18-23页 |
| 1.2.3 高炉专家系统的研究与设计 | 第23-25页 |
| 1.3 本文研究内容及组织结构 | 第25-27页 |
| 第二章 现代高炉冶炼过程的复杂性研究 | 第27-57页 |
| 2.1 现代高炉冶炼的基本原理与冶炼过程的复杂性机理 | 第27-36页 |
| 2.1.1 高炉冶炼过程的基本原理 | 第27-29页 |
| 2.1.2 高炉冶炼过程的复杂性机理 | 第29-34页 |
| 2.1.3 高炉冶炼过程的热状态描述 | 第34-36页 |
| 2.2 高炉铁水硅质量分数序列的复杂性测度分析 | 第36-53页 |
| 2.2.1 复杂性的基本概念和理论 | 第37-38页 |
| 2.2.2 常用的复杂性测度 | 第38-43页 |
| 2.2.3 时间序列的符号化方法 | 第43-46页 |
| 2.2.4 仿真结果 | 第46-53页 |
| 2.3 高炉冶炼过程对炉温预测控制的要求 | 第53-55页 |
| 2.4 本章小结 | 第55-57页 |
| 第三章 基于支持向量机的高炉炉温混沌时间序列预测建模研究 | 第57-81页 |
| 3.1 支持向量机的相关知识介绍 | 第57-65页 |
| 3.1.1 支持向量机概述 | 第57-58页 |
| 3.1.2 支持向量机分类 | 第58-62页 |
| 3.1.3 支持向量机回归 | 第62-64页 |
| 3.1.4 支持向量机核函数的选择及模型参数的选取 | 第64-65页 |
| 3.2 铁水硅质量分数时间序列重构 | 第65-75页 |
| 3.2.1 铁水硅质量分数时间序列的混沌特性 | 第65-67页 |
| 3.2.2 铁水硅质量分数时间序列的延迟时间和嵌入维数的确定 | 第67-74页 |
| 3.2.3 铁水硅质量分数时间序列的混沌性的识别 | 第74-75页 |
| 3.3 基于重构序列的支持向量机炉温预测模型 | 第75-80页 |
| 3.3.1 模型结构 | 第76页 |
| 3.3.2 模型参数寻优 | 第76-77页 |
| 3.3.3 仿真结果 | 第77-80页 |
| 3.4 本章小结 | 第80-81页 |
| 第四章 影响高炉炉温的多变量特征提取与特征选择研究 | 第81-107页 |
| 4.1 特征提取与特征选择 | 第81-88页 |
| 4.1.1 特征提取与特征选择的概念 | 第82页 |
| 4.1.2 特征提取 | 第82-86页 |
| 4.1.3 特征选择 | 第86-88页 |
| 4.2 样本选择与预处理 | 第88-93页 |
| 4.3 基于核主元分析的影响高炉炉温多变量特征提取 | 第93-98页 |
| 4.3.1 核主元分析的基本理论 | 第93-96页 |
| 4.3.2 仿真结果 | 第96-98页 |
| 4.4 基于SVM-RFE的影响高炉炉温多变量特征选择 | 第98-105页 |
| 4.4.1 SVM-RFE的思想和步骤 | 第99-100页 |
| 4.4.2 仿真结果 | 第100-105页 |
| 4.5 本章小结 | 第105-107页 |
| 第五章 高炉炉温的多支持向量机模型预测研究 | 第107-123页 |
| 5.1 多模型预测建模的基本思想 | 第107-109页 |
| 5.1.1 基于加权模式的多模型方法 | 第108-109页 |
| 5.1.2 基于切换模式的多模型方法 | 第109页 |
| 5.2 基于FCM的多支持向量机高炉炉温预测建模 | 第109-114页 |
| 5.2.1 模糊C均值聚类(FCM) | 第109-111页 |
| 5.2.2 仿真结果 | 第111-114页 |
| 5.3 基于改进仿射传播聚类的多支持向量机炉温预测建模 | 第114-120页 |
| 5.3.1 仿射传播聚类算法及改进 | 第114-118页 |
| 5.3.2 仿真结果 | 第118-120页 |
| 5.4 本章小结 | 第120-123页 |
| 第六章 高炉炉温支持向量机预测模型规则提取研究 | 第123-141页 |
| 6.1 支持向量机的规则提取 | 第123-128页 |
| 6.1.1 基于学习的规则提取方法 | 第123-124页 |
| 6.1.2 基于结构分析的规则提取方法 | 第124-127页 |
| 6.1.3 规则提取的评价标准 | 第127-128页 |
| 6.2 决策树的基本原理 | 第128-134页 |
| 6.2.1 决策树理论基础 | 第128-129页 |
| 6.2.2 决策树产生规则的基本过程 | 第129-133页 |
| 6.2.3 CART | 第133-134页 |
| 6.3 基于决策树和支持向量机的高炉炉温预测规则提取 | 第134-139页 |
| 6.3.1 样本的预处理和SVM-DT模型的建立 | 第134-136页 |
| 6.3.2 仿真结果 | 第136-139页 |
| 6.4 本章小结 | 第139-141页 |
| 第七章 结论与展望 | 第141-145页 |
| 7.1 研究获取的主要结论 | 第141-143页 |
| 7.2 后续研究的展望 | 第143-145页 |
| 参考文献 | 第145-155页 |
| 攻读博士学位期间完成的论文 | 第155页 |
