基于最小二乘支持向量机的高炉铁水温度预测模型的研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-24页 |
| 1.1 引言 | 第10-11页 |
| 1.2 国内外炉温预报模型的研究情况和进展 | 第11-14页 |
| 1.3 高炉铁水温度预报的价值及难点 | 第14-15页 |
| 1.3.1 高炉铁水温度预报的价值 | 第14页 |
| 1.3.2 高炉铁水温度预报的难点 | 第14-15页 |
| 1.4 高炉冶炼原理及工艺介绍 | 第15-18页 |
| 1.4.1 高炉冶炼原理 | 第15-16页 |
| 1.4.2 高炉工艺介绍 | 第16-18页 |
| 1.5 炉温预报中的参数 | 第18-22页 |
| 1.5.1 状态参数 | 第18-20页 |
| 1.5.2 控制参数 | 第20-22页 |
| 1.6 论文的主要内容及安排 | 第22-24页 |
| 2 数据预处理 | 第24-31页 |
| 2.1 数据采集 | 第24页 |
| 2.2 数据预处理的必要性 | 第24-25页 |
| 2.3 数据预处理的方法 | 第25-31页 |
| 2.3.1 模型输入输出参数的确定 | 第25-26页 |
| 2.3.2 高炉数据缺失值的处理 | 第26页 |
| 2.3.3 高炉数据异常值的处理 | 第26-27页 |
| 2.3.4 高炉数据的平滑处理 | 第27-28页 |
| 2.3.5 高炉数据的归一化处理 | 第28-29页 |
| 2.3.6 高炉参数的时滞处理 | 第29-31页 |
| 3 支持向量机 | 第31-44页 |
| 3.1 支持向量机简介 | 第31页 |
| 3.2 支持向量机应用领域 | 第31页 |
| 3.3 支持向量分类 | 第31-37页 |
| 3.3.1 线性支持向量机 | 第31-35页 |
| 3.3.2 非性支持向量机 | 第35-37页 |
| 3.4 支持向量回归 | 第37-40页 |
| 3.4.1 标准支持向量回归 | 第37-38页 |
| 3.4.2 时间序列分析 | 第38-39页 |
| 3.4.3 最小二乘支持向量回归 | 第39-40页 |
| 3.5 支持向量机模型参数优化 | 第40-43页 |
| 3.5.1 遗传算法参数寻优 | 第40-41页 |
| 3.5.2 粒子群算法参数寻优 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 铁水温度时间序列模型的建立 | 第44-53页 |
| 4.1 主成分分析 | 第44-46页 |
| 4.2 建模及仿真 | 第46-51页 |
| 4.2.1 建模步骤 | 第47-48页 |
| 4.2.2 案例仿真 | 第48-51页 |
| 4.3 本章小结 | 第51-53页 |
| 5 铁水温度多模型的建立 | 第53-60页 |
| 5.1 聚类算法 | 第53-54页 |
| 5.1.1 减法聚类算法 | 第53-54页 |
| 5.1.2 Kmeans 聚类算法 | 第54页 |
| 5.2 隶属度值的确定 | 第54-55页 |
| 5.3 建模及仿真 | 第55-59页 |
| 5.3.1 建模步骤 | 第55-56页 |
| 5.3.2 案例仿真 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录A 部分建模数据 | 第66-68页 |
| 在学研究成果 | 第68-69页 |
| 致谢 | 第69页 |
