| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12页 |
| 1.2 高炉铁水质量参数建模研究现状和进展 | 第12-15页 |
| 1.3 随机权神经网络研究现状和进展 | 第15-17页 |
| 1.4 存在的问题及主要工作 | 第17-18页 |
| 1.5 论文章节结构 | 第18-20页 |
| 第2章 高炉冶炼过程及相关铁水质量指标分析 | 第20-26页 |
| 2.1 高炉冶炼的过程描述 | 第20-22页 |
| 2.2 高炉铁水质量参数指标 | 第22-23页 |
| 2.3 柳钢2号高炉炼铁实际情况 | 第23-26页 |
| 第3章 基于自编码和主成分分析的随机权神经网络的铁水质量建模 | 第26-48页 |
| 3.1 引言 | 第26页 |
| 3.2 随机权神经网络基本概念及原理 | 第26-31页 |
| 3.2.1 随机权神经网络的基本概念 | 第26-30页 |
| 3.2.2 随机权神经网络的算法描述 | 第30-31页 |
| 3.3 自编码算法概念及原理 | 第31-32页 |
| 3.4 主成分分析基本介绍 | 第32-34页 |
| 3.5 基于自编码算法和主成分分析的随机权神经网络算法 | 第34-38页 |
| 3.6 基于自编码算法和主成分分析的随机权神经网络在铁水质量参数建模中的应用 | 第38-45页 |
| 3.6.1 建模策略及网络结构 | 第38-39页 |
| 3.6.2 建模过程描述 | 第39-40页 |
| 3.6.3 仿真实验及结果分析 | 第40-45页 |
| 3.7 本章小结 | 第45-48页 |
| 第4章 基于改进增量型随机权神经网络的多元铁水质量建模 | 第48-64页 |
| 4.1 引言 | 第48页 |
| 4.2 增量型随机权神经网络算法 | 第48-51页 |
| 4.2.1 增量型随机权神经网络基本算法介绍 | 第48-50页 |
| 4.2.2 增量型随机权神经网络算法优缺点分析 | 第50-51页 |
| 4.3 改进增量型随机权神经网络 | 第51-56页 |
| 4.3.1 改进增量型随机权神经网络算法描述 | 第51-54页 |
| 4.3.2 算法实施步骤 | 第54页 |
| 4.3.3 算法验证 | 第54-56页 |
| 4.4 改进增量型随机权神经网络在多元铁水质量参数建模中的应用 | 第56-62页 |
| 4.4.1 建模过程描述 | 第56-57页 |
| 4.4.2 建模结果及其分析 | 第57-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 论文总结 | 第64-65页 |
| 5.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 硕士期间科研成果及获奖情况 | 第72页 |
