基于非线性可加模型的高炉炉温波动解析
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 高炉炼铁的原理 | 第11-13页 |
| 1.1.1 高炉炼铁的流程 | 第11-12页 |
| 1.1.2 高炉冶炼过程的复杂性 | 第12-13页 |
| 1.2 高炉炼铁工艺信息化探索和发展 | 第13-16页 |
| 1.2.1 高炉炼铁的基础自动化 | 第13-14页 |
| 1.2.2 高炉炼铁的智能控制化 | 第14-15页 |
| 1.2.3 高炉专家系统简介 | 第15-16页 |
| 1.3 高炉炉温预测模型研究综述 | 第16-19页 |
| 1.3.1 国内外研究进展 | 第16-18页 |
| 1.3.2 高炉炉温预测建模的难度 | 第18-19页 |
| 1.4 非线性可加模型对铁水硅的预测 | 第19-20页 |
| 1.5 本文研究的主要内容 | 第20-21页 |
| 第二章 可加模型理论基础 | 第21-25页 |
| 2.1 可加模型定义与发展 | 第21-22页 |
| 2.2 可加部分线性模型 | 第22页 |
| 2.3 广义可加部分线性模型 | 第22-24页 |
| 2.3.1 估计方法 | 第23页 |
| 2.3.2 变量选择 | 第23-24页 |
| 2.4 非线性可加模型 | 第24-25页 |
| 第三章 铁水硅含量预测——基于时间序列模型分析 | 第25-36页 |
| 3.1 时间序列分析简介 | 第25-30页 |
| 3.1.1 基本定义 | 第25页 |
| 3.1.2 时间序列分析方法 | 第25-27页 |
| 3.1.3 自回归模型 | 第27-29页 |
| 3.1.4 n阶自回归模型 | 第29-30页 |
| 3.2 铁水硅含量自回归模型的建立 | 第30-36页 |
| 3.2.1 序列平稳性检验 | 第31-33页 |
| 3.2.2 模型阶数的确定 | 第33-35页 |
| 3.2.3 模型预测情况 | 第35-36页 |
| 第四章 基于非线性可加模型的铁水硅含量预测 | 第36-47页 |
| 4.1 模型的建立与预测方法 | 第36页 |
| 4.2 变量的选取 | 第36页 |
| 4.3 数据的预处理 | 第36-38页 |
| 4.3.1 数据的归一化处理 | 第37页 |
| 4.3.2 数据的滞后性处理 | 第37-38页 |
| 4.4 铁水温度预测可加模型的建立 | 第38-45页 |
| 4.4.1 模型的建立 | 第38页 |
| 4.4.2 可加模型预测应用案例 | 第38-45页 |
| 4.5 可加模型预测方法和时间序列方法的对比 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 结论与展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52页 |
