| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 引言 | 第9-10页 |
| 第1章 文献综述 | 第10-21页 |
| ·我国铁矿石的利用现状 | 第10-11页 |
| ·铁矿石烧结的基础特性研究现状 | 第11-15页 |
| ·单种矿烧结的基础特性研究现状 | 第11-15页 |
| ·混合矿基础特性的研究现状 | 第15页 |
| ·烧结配矿的研究现状 | 第15-18页 |
| ·优化配矿数学模型的研究 | 第16-17页 |
| ·烧结配矿优化试验的研究 | 第17-18页 |
| ·人工神经网络在钢铁行业中的应用现状 | 第18-20页 |
| ·国外人工神经网络在钢铁企业的应用现状 | 第18-19页 |
| ·国内人工神经网络在钢铁企业的应用现状 | 第19-20页 |
| ·论文的提出 | 第20-21页 |
| 第2章 预报模型建立的方法及研究思路 | 第21-23页 |
| ·建模方法的研究 | 第21-22页 |
| ·研究思路 | 第22-23页 |
| 第3章 对人工神经网络及 BP 神经网络的研究 | 第23-39页 |
| ·对人工神经网络的研究 | 第23-30页 |
| ·人工神经网络简介及发展历史 | 第23-24页 |
| ·人工神经网络的基本特征 | 第24-25页 |
| ·人工神经网络的组成要素 | 第25-30页 |
| ·BP 神经网络 | 第30-38页 |
| ·BP 神经网络的概述 | 第30页 |
| ·BP 神经网络的组成 | 第30-35页 |
| ·BP 神经网络的局限性及改进 | 第35-36页 |
| ·BP 神经网络的学习步骤 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于 BP 神经网络的铁矿粉烧结基础特性预报模型 | 第39-56页 |
| ·铁矿粉烧结基础特性预报模型的构建步骤 | 第39-41页 |
| ·模型输入输出参数的确定 | 第39页 |
| ·隐含层神经元的确定 | 第39-40页 |
| ·BP 神经网络的初始化 | 第40页 |
| ·学习速率的选取 | 第40页 |
| ·激励函数的选取 | 第40-41页 |
| ·训练终止条件 | 第41页 |
| ·BP 神经网络的测试 | 第41页 |
| ·基于 MATLAB 神经网络工具箱的 BP 网络的建立 | 第41-51页 |
| ·训练数据预处理 | 第41-45页 |
| ·BP 神经网络的创建 | 第45-46页 |
| ·网络训练 | 第46页 |
| ·基于 BP 神经网络的铁矿粉同化性预测模型的实现 | 第46-48页 |
| ·网络检验 | 第48-50页 |
| ·铁矿粉液相流动性和粘结相强度的预测模型 BP 神经网络的实现 | 第50-51页 |
| ·基于 BP 神经网络的混矿烧结基础特性预报模型的构建 | 第51-54页 |
| ·单矿与混矿烧结基础特性间的关系 | 第51-53页 |
| ·混矿烧结基础特性的预报 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 基于 BP 神经网络的烧结矿质量预报模型 | 第56-66页 |
| ·模型建立原理 | 第56-57页 |
| ·模型建立可行性分析 | 第56页 |
| ·建模步骤 | 第56-57页 |
| ·基于 BP 神经网络的烧结矿质量预报模型的建立 | 第57-65页 |
| ·数据选取及处理 | 第57-60页 |
| ·烧结矿质量预报模型的建立 | 第60-61页 |
| ·预测结果 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 附录 BP 神经网络主要代码 | 第72-74页 |
| 致谢 | 第74-75页 |
| 导师简介 | 第75-76页 |
| 作者简介 | 第76-77页 |
| 学位论文数据集 | 第77页 |
