导读:本文包含了含硅量预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:铁水,高炉,模型,神经网络,序列,动态,组合。
含硅量预测论文文献综述
刘子恒,朱天帅,王长宏[1]（2018）在《基于离散型灰色理论的的高炉铁水含硅量预测》一文中研究指出研究了高炉炼铁炉温预测问题,建立数学模型实现了对铁水硅含量([Si])的动态预测。确立[Si]的灰色体系,在前k个已测数据所组成的小样本基础上,用离散GM(1,1)模型对第k+1个数据点进行预测得预测值。经过试验多组拟合效果,发现k=7时模型能够使预测值更为精准地逼近真实值。本文从华南地区某炼钢企业所提供1000组实测生产数据中随机抽取100个数据进行测试,发现数值预测命中率为81%。(本文来源于《合成材料老化与应用》期刊2018年04期）
禄文轩[2]（2017）在《基于RBF神经网络的铁水含硅量预测模型》一文中研究指出本文以RBF神经网络为基础建立了铁水含硅量的预测模型。首先利用Matlab建立[Si]的叁层前馈神经网络预测模型,选取[S]-FL-PML叁种数据作为RBF神经网络的输入,[Si]作为其输出。其次利用L-M算法设计优化方案,通过反馈校正的方式证明该模型的稳定性,从而得到一步预测模型。最后在该模型的基础上使用其控制值和输出值更新输入向量,运用递归调用的方法得到二步预测模型。实践证明,该方法能改进传统的反馈预测,提高预测的精确度。(本文来源于《科学家》期刊2017年15期）
王鹏飞,张晨[3]（2017）在《基于PSO-BP神经网络的高炉炼铁含硅量预测模型》一文中研究指出高炉炼铁是一种具有强时延性的非线性系统,本文针对高炉炼铁过程中含硅量[Si]的动态预测问题,进行了数据挖掘与模型建立。首先对数据进行了预处理,包括3σ原则验证与归一化处理。同时[Si]预测问题可看做一个多输入单输出的多元时间序列问题,本文选取了优化PSO-BP神经网络算法来得到多元时间序列模型。在一步预测模型的基础上,通过将一步预测结果作为二步预测的变量的方法,进一步建立了[Si]的二步预测模型。最后结合模型的预测图以及各类性能指标对[Si]预测模型进行了评估分析。(本文来源于《中国战略新兴产业》期刊2017年28期）
车晓沁,朱建鸿[4]（2016）在《铁水含硅量预测系统中数据预处理技术的研究》一文中研究指出通过使用自适应预报模型与时差方法相结合的方法对铁水含硅量进行预测,模型所需的工艺参数的原始数据经采集后需使用OPC技术标准进行传输以存入数据库系统中;硅预测程序通过对数据库查询得到所需的操作数据,由于生产环境对数据的干扰,需对其作均值滤波和插值运算的一次处理,然后进行求平均值、梯度和标准差统计学运算的二次处理,之后运用模糊理论将各个工艺参数归一化以提取参数特征值,作为铁水含硅量预测模型的输入参数,在预测过程中使用多元线性回归不断修正模型中的权重系数,以提高数学模型预测的准确率。(本文来源于《计算机测量与控制》期刊2016年03期）
姜霄棠[5]（2012）在《遗传规划在铁水含硅量预测中的应用》一文中研究指出“预测”是永不过时的主题,在我们日常生产生活中需要各种各样的预测。在钢铁工业中,对表征炉温的铁水含硅量预测对高炉工长下一步的控制操作有着重大的指导意义,其准确率影响到整个高炉冶炼过程。高炉工长需要预知炉温的趋势,以做出相应的控制操作。由于控制操作会对炉温产生影响,炉温预测的模型需要考虑到预测结果本身的影响。根据预测结果采取控制操作,从而修正下一步的预测结果,就是所谓的“闭环控制”。高炉炼铁的复杂性、非线性、非平稳性以及数据采集的不精准性,大大增加了铁水含硅量预测的困难,用机理模型来建模预测效果欠佳,而黑箱模型存在更新困难、预测模型结构复杂等缺点,难以适应闭环控制的要求。故本文着重研究能提供预测公式分析机理的基于专家知识的模型,亦即本文所称的“白箱模型”。这种模型不属于高炉机理模型的范畴,但它根据给定的机理与规则去建模预测。通过这种机理与规则,我们可以推断炉温上升/下降的原因,有利于实现闭环控制。这类模型中,遗传规划具有不输于黑箱模型的非线性逼近能力和预测能力,但它存在着预测公式复杂和不稳定两个缺点。为此本文提出了限域遗传规划和多函数回归算法,经实验证明限域遗传规划增强了遗传规划的稳定性,多函数回归算法在不降低预测性能的前提下将遗传规划的长函数简化成了一组短函数,有利于专家分析。此外,本文在语法指引遗传规划算法的基础上,建立起延拓优化与抽象学习的理论。在这个理论指导下,我们可以让计算机根据预测效果的好坏自动地生成与挑选合适的白箱模型,也就是说,让计算机代替人去尝试算法,根据预测效果去猜测事物机理与规则。新型时间序列预测算法,遗传序列箱算法便根据这种思想产生。它定义了时间序列预测的函数拟合模式,分解重构了时间序列预测算法,从而可以让计算机自动组合预测算法。在具体应用中,本文选择分类和回归作为它的基本元素。其基本思路是先学习一个分类回归算法,再把这个算法根据具体的数据转化为分段线性公式,进而进行预测。经实验证明遗传序列箱的预测性能优秀,公式明晰,给高炉数据分析与规则提取提供了一种可靠的方案。本文研究的成果为高炉的“闭环控制”提供了基础规则,也可用于其他的时间序列预测问题上。(本文来源于《浙江大学》期刊2012-05-01）
王义康,郜传厚[6]（2009）在《基于WA-SVM模型的高炉铁水含硅量预测》一文中研究指出基于小波在处理非线性、非平稳随机信号和支持向量机在解决非线性、高维数、小样本等问题的优点,提出了一种二者组合的预测模型。先用小波变换将铁水含硅量的时间序列分解成不同的高频和低频层次,对不同层次构建支持向量机模型进行预测,然后通过序列重构得到原始时间序列的预测结果。利用山东莱钢1号高炉在线采集的数据作为应用案例,WA-SVM组合模型与工程常用的AR模型和单一的最小二乘支持向量机模型的预测结果比较,预测精度有明显提高。(本文来源于《中国冶金》期刊2009年04期）
孙桂利[7]（2003）在《高炉铁水含硅量预测的计算机在线实现》一文中研究指出本文给出了铁水含硅量预测模型的叁种在线辨识的方法 ,讨论了数据库的建立和多种预测模型的计算机在线实现 .(本文来源于《山西师范大学学报(自然科学版)》期刊2003年01期）
孙桂利,李孔安,皇祯平[8]（2003）在《临钢6~#高炉含硅量预测的计算机在线实现》一文中研究指出临钢 6# 高炉铁水中硅质量分数的预测是“高炉专家系统”中的一部分 ,为了使预测模型能够在线进行 ,采用了限定记忆法进行模型参数的辨识 ,对辨识出来的参数用牛顿法进行优化 ,并且用鼓风动能和风量、风温 2种方法对预测模型的预测值进行了修正 ,使命中率提高了 4～ 5个百分点。给出了数据库系统的组织以及计算机实现的流程图。该方法使模型的预测命中率与离线预测的水平相当(本文来源于《控制工程》期刊2003年01期）
孙桂利,仇芒仙[9]（2002）在《提示序列在高炉铁水含硅量预测中的应用》一文中研究指出运用“提示序列”方法可以建立了多种高炉铁水含硅量一步预测模型 ,通过用鼓风动能和风量、风温两种方法对预测模型的预测值进行修正 ,查使命中率提高 4 - 5个百分点(本文来源于《太原教育学院学报》期刊2002年S1期）
孙桂利[10]（2001）在《时间序列方法在临钢六号高炉铁水含硅量预测中的应用》一文中研究指出由于炼铁工艺的专业性和复杂性，为阐述本文内容，首先介绍了高炉炼铁的一般过程， 说明了铁水含硅量预测的技术价值和主要的技术难度。然后，运用时间序列方法，对含硅 量时间序列的模型阶次进行了确定，对模型参数进行了辨识，建立起铁水含硅量预测的一 步、二步模型，计算了各种预测模型的命中率。为了提高预测模型的一步命中率，也为了 充分利用与含硅量时间序列相关的其它时间序列的信息，本论文还运用“提示序列”方 法、多元时间序列方法建立了20多种一步预测模型，并且用鼓风动能和风量、风温两种 方法对预测模型的预测值进行了修正，使命中率提高了4-5个百分点。为了使预测模型 能够在线进行，采用了限定记忆法进行模型参数的辨识，对辨识出来的参数用牛顿法进行 优化，结合两种修正方法，使模型的预测命中率与离线预测的水平相当。(本文来源于《西安建筑科技大学》期刊2001-05-01）
含硅量预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文以RBF神经网络为基础建立了铁水含硅量的预测模型。首先利用Matlab建立[Si]的叁层前馈神经网络预测模型,选取[S]-FL-PML叁种数据作为RBF神经网络的输入,[Si]作为其输出。其次利用L-M算法设计优化方案,通过反馈校正的方式证明该模型的稳定性,从而得到一步预测模型。最后在该模型的基础上使用其控制值和输出值更新输入向量,运用递归调用的方法得到二步预测模型。实践证明,该方法能改进传统的反馈预测,提高预测的精确度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
含硅量预测论文参考文献
[1].刘子恒,朱天帅,王长宏.基于离散型灰色理论的的高炉铁水含硅量预测[J].合成材料老化与应用.2018
[2].禄文轩.基于RBF神经网络的铁水含硅量预测模型[J].科学家.2017
[3].王鹏飞,张晨.基于PSO-BP神经网络的高炉炼铁含硅量预测模型[J].中国战略新兴产业.2017
[4].车晓沁,朱建鸿.铁水含硅量预测系统中数据预处理技术的研究[J].计算机测量与控制.2016
[5].姜霄棠.遗传规划在铁水含硅量预测中的应用[D].浙江大学.2012
[6].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
[7].孙桂利.高炉铁水含硅量预测的计算机在线实现[J].山西师范大学学报(自然科学版).2003
[8].孙桂利,李孔安,皇祯平.临钢6~#高炉含硅量预测的计算机在线实现[J].控制工程.2003
[9].孙桂利,仇芒仙.提示序列在高炉铁水含硅量预测中的应用[J].太原教育学院学报.2002
[10].孙桂利.时间序列方法在临钢六号高炉铁水含硅量预测中的应用[D].西安建筑科技大学.2001
论文知识图
