基于改进粒子群算法和支持向量机的高炉炉温预测建模研究

高炉论文 铁水硅含量论文 粒子群优化算法论文
论文详情
摘要第5-6页
Abstract第6-7页
第1章 绪论第10-22页
    1.1 课题背景及意义第10-12页
    1.2 国内外研究现状第12-20页
        1.2.1 高炉建模的国内外研究现状第12-15页
        1.2.2 高炉[Si]预测建模的国内外研究现状第15-17页
        1.2.3 启发式优化算法的国内外研究现状第17-18页
        1.2.4 支持向量机的国内外研究现状第18-20页
    1.3 论文的主要研究内容和结构安排第20-22页
第2章 高炉冶炼工艺机理及相关变量分析第22-26页
    2.1 引言第22页
    2.2 高炉冶炼的工艺机理第22-24页
    2.3 高炉冶炼过程的相关变量第24-25页
        2.3.1 状态变量第24-25页
        2.3.2 控制变量第25页
    2.4 本章小结第25-26页
第3章 粒子群优化算法改进第26-50页
    3.1 引言第26页
    3.2 粒子群优化算法第26-31页
        3.2.1 粒子群算法原理第27-29页
        3.2.2 粒子群算法流程第29-30页
        3.2.3 粒子群算法参数分析第30-31页
    3.3 多群粒子群算法第31-34页
        3.3.1 多群粒子群算法描述第31-32页
        3.3.2 动态多群粒子群算法原理第32-34页
    3.4 改进的动态多群粒子群算法第34-36页
        3.4.1 改进的动态多群粒子群算法描述第34-36页
        3.4.2 改进的动态多群粒子群算法流程第36页
    3.5 仿真实验及结果分析第36-49页
        3.5.1 测试函数第36-39页
        3.5.2 参数设置第39-40页
        3.5.3 实验结果及分析第40-49页
    3.6 本章小结第49-50页
第4章 基于改进粒子群支持向量机的高炉炉温预测第50-72页
    4.1 引言第50页
    4.2 支持向量机原理第50-58页
        4.2.1 线性支持向量机第51-55页
        4.2.2 非线性支持向量机第55-56页
        4.2.3 支持向量回归第56-58页
    4.3 输入参数的确定第58-60页
        4.3.1 数据归一化第58页
        4.3.2 灰度关联法第58-60页
    4.4 基于改进粒子群支持向量机的高炉[Si]预测单模型的建立第60-64页
        4.4.1 建模流程第60-61页
        4.4.2 参数设置第61页
        4.4.3 实验结果及分析第61-64页
    4.5 基于改进粒子群支持向量机的高炉[Si]预测多模型的建立第64-70页
        4.5.1 K-均值聚类第64页
        4.5.2 建模流程第64-65页
        4.5.3 实验结果及分析第65-70页
    4.6 本章小结第70-72页
结论第72-74页
参考文献第74-81页
攻读硕士学位期间承担的科研任务与主要成果第81-82页
致谢第82-83页
作者简介第83页
论文购买
论文编号ABS4409088,这篇论文共83页
会员购买按0.30元/页下载,共需支付24.9
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付41.5
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656