基于支持向量机的高炉铁水硅含量预测

  本文关键词：基于支持向量机的高炉铁水硅含量预测，，由笔耕文化传播整理发布。

• 第1章 绪论5-19
• 1.1 硅含量研究背景和意义5-6
• 1.2 高炉炼铁概述6-10
• 1.3 铁水硅含量预测国内外研究综述10-17
• 1.4 本文研究内容17-19
• 第2章 高炉数据采集和处理19-27
• 2.1 引言19
• 2.2 高炉数据采集19-21
• 2.3 高炉数据预处理的必要性21-22
• 2.4 数据预处理的方法22-26
• 2.5 本章小结26-27
• 第3章 支持向量机基础理论27-39
• 3.1 引言27
• 3.2 支持向量机简介27
• 3.3 支持向量机分类27-33
• 3.4 支持向量机回归33-35
• 3.5 支持向量机参数优化35-38
• 3.6 本章小结38-39
• 第4章 单变量与多变量硅含量预测研究39-49
• 4.1 引言39
• 4.2 单变量和多变量硅含量预测39-40
• 4.3 单变量硅含量预测模型40-42
• 4.4 多变量预测42-44
• 4.5 建模与仿真44-48
• 4.6 本章小结48-49
• 第5章 基于差分计算与支持向量机的硅含量预测研究49-61
• 5.1 引言49
• 5.2 硅含量预测趋势及可靠性研究49-54
• 5.3 基于差分的硅含量变化值预测研究54-56
• 5.4 基于差分计算与支持向量机的硅含量预测56-59
• 5.5 本章小结59-61
• 第6章 总结与展望61-63
• 6.1 本文内容总结61
• 6.2 进一步研究和展望61-63
• 参考文献63-67
• 致谢67-68
• 攻读学位期间的科研成果68

【参考文献】

中国期刊全文数据库 前10条

1 杨新斌;黄晓娟;;基于支持向量机的股票价格预测研究[J];计算机仿真;2010年09期

2 王义康;郜传厚;;基于WA-SVM模型的高炉铁水含硅量预测[J];中国冶金;2009年04期

3 曾九孙;刘祥官;罗世华;颜光;;主成分回归和偏最小二乘法在高炉冶炼中的应用[J];浙江大学学报(理学版);2009年01期

4 李启会;龚淑华;;高炉铁水硅质量分数的模糊预测函数控制[J];浙江大学学报(工学版);2007年10期

5 渐令;龚淑华;王义康;;基于支持向量机的高炉铁水硅含量多类别分类[J];浙江大学学报(理学版);2007年03期

6 龚淑华,刘祥官;模糊贝叶斯网络应用于预测高炉铁水含硅量变化趋势[J];冶金自动化;2005年05期

7 渐令,刘祥官;支持向量机在铁水硅含量预报中的应用[J];冶金自动化;2005年03期

8 郜传厚,周志敏,邵之江;高炉冶炼过程的混沌性解析[J];物理学报;2005年04期

9 李俊国,闫小林;高炉铁水含硅量神经网络预测模型[J];河北理工学院学报;2002年03期

10 刘祥官,刘芳,刘元和,罗登武,王子金,吴晓峰;莱钢1号750m~3高炉智能控制专家系统[J];钢铁;2002年08期

中国硕士学位论文全文数据库 前1条

1 冯婷;基于非参数回归的高炉炉温预测控制模型研究[D];浙江大学;2008年

  本文关键词：基于支持向量机的高炉铁水硅含量预测，由笔耕文化传播整理发布。