| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 高炉炼铁的工艺流程及炉温的预测 | 第10-11页 |
| 1.2.1 高炉炼铁的工艺流程 | 第10页 |
| 1.2.2 高炉炉温的预测 | 第10-11页 |
| 1.3 高炉炉温预测模型的研究进展 | 第11-15页 |
| 1.3.1 机理模型 | 第11-12页 |
| 1.3.2 专家系统 | 第12-13页 |
| 1.3.3 数据驱动的模型 | 第13-15页 |
| 1.4 论文的主要内容 | 第15-17页 |
| 第二章 高炉炼铁过程的多尺度特性辨识 | 第17-25页 |
| 2.1 多尺度的概念 | 第17-18页 |
| 2.2 Hilbert-Huang变换 | 第18-19页 |
| 2.3 高炉铁水硅含量的多尺度分析 | 第19-23页 |
| 2.3.1 高炉铁水硅含量数据的获取 | 第20页 |
| 2.3.2 高炉铁水硅含量的多尺度分析 | 第20-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 铁水硅含量预测建模的理论基础 | 第25-37页 |
| 3.1 变量的选择 | 第25-30页 |
| 3.1.1 偏自相关函数 | 第25-26页 |
| 3.1.2 互信息 | 第26-28页 |
| 3.1.3 关联维数 | 第28-29页 |
| 3.1.4 基于互信息的变量的选择 | 第29-30页 |
| 3.2 Elman神经网络 | 第30-34页 |
| 3.2.1 神经网络的基本介绍 | 第30-32页 |
| 3.2.2 Elman神经网络 | 第32-34页 |
| 3.3 本章小结 | 第34-37页 |
| 第四章 基于过程变量的铁水硅含量预测 | 第37-51页 |
| 4.1 基于过程变量的改进型EMD-Elman神经网络 | 第37-38页 |
| 4.2 改进型EMD-Elman神经网络在铁水硅含量预测中的应用 | 第38-50页 |
| 4.2.1 数据的采集及模型的评价标准 | 第38-41页 |
| 4.2.2 改进型EMD-Elman神经网络的预测结果与分析 | 第41-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 基于质量变量的铁水硅含量预测 | 第51-61页 |
| 5.1 基于过程变量的改进型EMD-Elman神经网络分析 | 第51-53页 |
| 5.2 基于质量变量的改进型EMD-Elman神经网络 | 第53-54页 |
| 5.3 改进型EMD-Elman神经网络在铁水硅含量预测中的应用 | 第54-59页 |
| 5.3.1 数据的采集及模型的评价标准 | 第54页 |
| 5.3.2 改进型EMD-Elman神经网络的预测结果与分析 | 第54-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-65页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士学位期间的科研成果 | 第71页 |
