| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 钢铁企业能源预测问题研究现状 | 第12-13页 |
| 1.2.2 预测方法研究现状 | 第13-16页 |
| 1.3 主要研究内容及研究路线 | 第16-17页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 主要研究路线 | 第17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 钢铁企业能源介质预测问题 | 第18-24页 |
| 2.1 钢铁企业能源管理现状和能耗问题 | 第18-22页 |
| 2.1.1 钢铁企业能源管理现状 | 第18页 |
| 2.1.2 钢铁企业能耗分析 | 第18-22页 |
| 2.2 钢铁企业工序能耗预测问题 | 第22-23页 |
| 2.2.1 钢铁企业能耗影响因素分析和用能计划流程 | 第22-23页 |
| 2.2.2 钢铁企业工序能耗预测问题分类 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于DE的混核LSSVM预测研究 | 第24-44页 |
| 3.1 LSSVM模型 | 第24-25页 |
| 3.2 差分进化算法 | 第25-27页 |
| 3.3 单核LSSVM模型 | 第27-32页 |
| 3.3.1 数据处理 | 第27-28页 |
| 3.3.2 模型求解 | 第28-32页 |
| 3.4 基于DE的混核LSSVM模型 | 第32-42页 |
| 3.4.1 混核模型求解 | 第32页 |
| 3.4.2 数值实验 | 第32-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于DE的BP神经网络预测研究 | 第44-60页 |
| 4.1 神经网络模型 | 第44-46页 |
| 4.2 基于DE的BP神经网络算法 | 第46-51页 |
| 4.2.1 DE-BP神经网络模型 | 第46-48页 |
| 4.2.2 DE-BP模型求解 | 第48-51页 |
| 4.3 数值实验和结果分析 | 第51-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第5章 钢铁企业能源介质预测系统 | 第60-68页 |
| 5.1 系统需求分析 | 第60-61页 |
| 5.2 系统结构设计 | 第61-62页 |
| 5.3 数据库设计 | 第62-64页 |
| 5.4 功能模块实现 | 第64-66页 |
| 5.5 本章小结 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 工作总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |