| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-26页 |
| 1．1 引言 | 第10-11页 |
| 1．2 预测与复杂冶金动态过程预测 | 第11-13页 |
| 1．2．1 预测及动态过程预测 | 第11-12页 |
| 1．2．2 复杂冶金动态过程预测 | 第12-13页 |
| 1．2．3 高炉炼铁过程的特点 | 第13页 |
| 1．3 高炉炉热预测传统数学模型 | 第13-15页 |
| 1．3．1 基于热力学平衡计算的半经验模型 | 第13-14页 |
| 1．3．2 基于统计理论和控制论的经验模型 | 第14-15页 |
| 1．4 高炉炉热预测人工智能模型 | 第15-19页 |
| 1．4．1 高炉炉热智能预测的主要方式 | 第15-16页 |
| 1．4．2 高炉炉热预测专家系统模型 | 第16-17页 |
| 1．4．3 高炉炉热预测人工神经网络模型 | 第17-18页 |
| 1．4．4 人工智能预测模型的瓶颈 | 第18-19页 |
| 1．5 高炉炉热预测软件研究现状 | 第19-23页 |
| 1．5．1 开发高炉炉热预测软件的必要性 | 第19-20页 |
| 1．5．2 传统高炉炉热预测软件开发方法 | 第20-21页 |
| 1．5．3 软件工程与软件生存期模型 | 第21-22页 |
| 1．5．4 面向对象设计方法 | 第22-23页 |
| 1．6 课题研究背景与研究内容 | 第23-26页 |
| 1．6．1 课题研究背景 | 第23-24页 |
| 1．6．2 课题研究内容 | 第24-26页 |
| 2 自组织经验进化预测系统原理 | 第26-36页 |
| 2．1 自组织经验进化预测系统基本原理 | 第26-29页 |
| 2．1．1 自组织理论方法的基本概念 | 第26页 |
| 2．1．2 人脑神经系统工作特点 | 第26-27页 |
| 2．1．3 自组织经验进化预测模型 | 第27-29页 |
| 2．2 自组织经验进化预测系统的组成 | 第29-34页 |
| 2．2．1 动态数据预处理或特征提取 | 第29-30页 |
| 2．2．2 动态模式自组织分类量化 | 第30-33页 |
| 2．2．3 预测经验的记忆、存贮、积累和进化 | 第33-34页 |
| 2．3 高炉铁水硅含量自组织经验进化预测系统 | 第34-36页 |
| 3 高炉铁水硅含量自组织经验进化预测系统软件设计 | 第36-49页 |
| 3．1 系统软件性能要求和开发原则 | 第36-37页 |
| 3．1．1 系统软件性能要求 | 第36页 |
| 3．1．2 系统软件开发原则 | 第36-37页 |
| 3．2 系统软件功能模块 | 第37-38页 |
| 3．3 系统软件数据流图 | 第38-49页 |
| 3．3．1 软件系统顶层数据流图 | 第38-40页 |
| 3．3．2 自组织经验进化预测系统数据流图 | 第40-44页 |
| 3．3．3 自组织经验进化预测数据流图 | 第44-49页 |
| 4 高炉铁水硅含量自组织经验进化预测系统参数优化 | 第49-63页 |
| 4．1 预测系统影响因素的选择及数据特征 | 第49-51页 |
| 4．1．1 预测系统影响因素的选择 | 第49-50页 |
| 4．1．2 预测系统影响因素的数据特征 | 第50-51页 |
| 4．2 预测系统影响因素的参数优化 | 第51-63页 |
| 4．2．1 优化参数的评价标准 | 第51-53页 |
| 4．2．2 优化参数的确定 | 第53-62页 |
| 4．2．3 参数优化结果 | 第62-63页 |
| 5 高炉铁水硅含量自组织经验进化预测系统界面设计与帮助文档 | 第63-78页 |
| 5．1 用户界面设计的基本原则 | 第63-64页 |
| 5．2 系统软件用户界面 | 第64-72页 |
| 5．2．1 用户登录界面设计 | 第64-65页 |
| 5．2．2 系统及用户管理界面设计 | 第65-67页 |
| 5．2．3 系统预测界面设计 | 第67-72页 |
| 5．3 联机帮助文档 | 第72-78页 |
| 5．3．1 联机帮助文档设计 | 第72-75页 |
| 5．3．2 联机帮助文档访问方法 | 第75-78页 |
| 6 高炉铁水硅含量自组织经验进化预测系统预测结果与分析 | 第78-91页 |
| 6．1 模式量化方案的确定 | 第78-79页 |
| 6．2 采用模式量化方案1的预测结果 | 第79-89页 |
| 6．2．1 单变量预测的结果 | 第79页 |
| 6．2．2 三变量组合预测的结果 | 第79-84页 |
| 6．2．3 四变量组合预测的结果 | 第84-87页 |
| 6．2．4 八变量组合预测的结果 | 第87-89页 |
| 6．3 采用模式量化方案2的测试结果 | 第89-91页 |
| 7 结论与展望 | 第91-93页 |
| 7．1 主要结论 | 第91-92页 |
| 7．2 未来工作的展望 | 第92-93页 |
| 8 致谢 | 第93-94页 |
| 参考文献 | 第94-99页 |
| 附录A | 第99-108页 |
| 附录B | 第108-111页 |