基于灰色神经网络的VOD终点碳温预测模型研究 |
论文目录 | | | 摘要 | 第1-4页 | | Abstract | 第4-7页 | | 第一章 绪论 | 第7-13页 | | · 引言 | 第7-8页 | | · 国内外发展现状 | 第8-12页 | | · VOD 精炼工艺应用现状 | 第8-9页 | | · 炼钢终点预报方法的研究现状 | 第9-12页 | | · 论文主要工作 | 第12-13页 | | 第二章 VOD 生产工艺与终点碳温预测方案 | 第13-21页 | | · VOD 精炼技术简介 | 第13页 | | · VOD 生产工艺流程 | 第13-16页 | | · 吹氧阶段生产工艺 | 第14-15页 | | · 真空阶段生产工艺 | 第15页 | | · 还原阶段生产工艺 | 第15-16页 | | · VOD 精练终点影响因素分析 | 第16-18页 | | · 影响终点碳含量的因素 | 第17页 | | · 影响终点温度的因素 | 第17-18页 | | · VOD 终点参数的预测方法 | 第18-20页 | | · VOD 终点预报模型 | 第18-19页 | | · 预报模型的性能评价 | 第19-20页 | | · 本章总结 | 第20-21页 | | 第三章 灰色模型在 VOD 终点预测中的应用 | 第21-37页 | | · 灰色系统理论概述 | 第21页 | | · 灰色系统建模 | 第21-23页 | | · 灰色系统建模思想 | 第21-22页 | | · 灰色生成序列的计算 | 第22-23页 | | · 灰色预测模型 | 第23-29页 | | · 灰色 GM(0,N)模型 | 第24-25页 | | · 灰色 GM(1,N)模型 | 第25-26页 | | · 灰色 GM(1,1)模型 | 第26-27页 | | · 灰色预测的检验 | 第27-29页 | | · 基于新陈代谢 GM(1,1)的 VOD 炉终点碳温预测 | 第29-35页 | | · VOD 终点温度的 GM(1,1)模型 | 第29-34页 | | · VOD 终点碳含量的 GM(1,1)模型 | 第34-35页 | | · 本章总结 | 第35-37页 | | 第四章 BP 神经网络在 VOD 终点预测中的应用 | 第37-69页 | | · BP 网络 | 第37-45页 | | · BP 网络模型结构 | 第37-38页 | | · BP 算法 | 第38-43页 | | · BP 算法的改进 | 第43-45页 | | · BP 神经网络预报模型的建立 | 第45-50页 | | · 神经网络参数的选取 | 第45-47页 | | · 网络训练样本的确定 | 第47-48页 | | · 神经网络工具箱 | 第48-50页 | | · VOD 终点碳温的 BP 神经网络预测模型的建立 | 第50-67页 | | · VOD 终点碳含量的 BP 神经网络预测模型 | 第51-63页 | | · VOD 终点温度的 BP 神经网络预测模型 | 第63-67页 | | · 本章总结 | 第67-69页 | | 第五章 灰色 BP 神经网络组合预测在 VOD 中的应用 | 第69-83页 | | · 灰色系统与神经网络的融合 | 第69-71页 | | · 组合预测的简介 | 第69页 | | · 组合模型的优势 | 第69-70页 | | · 灰色预测模型和 BP 神经网络预测模型的优势互补 | 第70页 | | · 灰色系统与神经网络的结合方式 | 第70-71页 | | · 灰色神经网络模型的建模方法 | 第71-74页 | | · 串联型灰色神经网络 | 第72页 | | · 并联型灰色神经网络 | 第72-73页 | | · 嵌入型灰色神经网络 | 第73-74页 | | · 混合型灰色神经网络 | 第74页 | | · VOD 炉终点碳含量和温度的组合预测 | 第74-82页 | | · VOD 终点碳温灰色神经网络组合预测的内涵 | 第74-75页 | | · VOD 终点碳含量预测的补偿模型 | 第75-79页 | | · VOD 终点温度预测的补偿模型 | 第79-82页 | | · 灰色神经网络组合预测结果分析 | 第82页 | | · 本章总结 | 第82-83页 | | 第六章 总结与展望 | 第83-85页 | | 致谢 | 第85-87页 | | 参考文献 | 第87-90
页 |
|
|
|
