鋼鐵工業(yè)發(fā)展?fàn)顩r反映國民經(jīng)濟(jì)發(fā)達(dá)程度,鋼鐵的產(chǎn)量和質(zhì)量對國民經(jīng)濟(jì)建設(shè)具有重要的意義。鐵水作為后續(xù)煉鋼的物質(zhì)基礎(chǔ),其質(zhì)量對鋼鐵生產(chǎn)極其重要。在高爐煉鐵過程中,鐵水含硅量是表征高爐內(nèi)部熱狀態(tài)的重要參數(shù)和衡量鐵水質(zhì)量的重要指標(biāo)。因此,建立鐵水含硅量的數(shù)學(xué)模型并預(yù)測鐵水含硅量的變化情況,為高爐煉鐵過程的高性能運行控制奠定基礎(chǔ),從而實現(xiàn)煉鐵高爐長期穩(wěn)定運行。在單變量時間序列的鐵水含硅量建模與預(yù)測中,本文首先運用經(jīng)驗?zāi)B(tài)分解（EMD）將鐵水含硅量這一單變量時間序列分解成為多個互不干擾、且不相交的本征模函數(shù)（IMF）和一個冗余項（Rn）。在此基礎(chǔ)上,然后分別應(yīng)用支持向量回歸機(jī)（SVR）、動態(tài)神經(jīng)網(wǎng)絡(luò)（DNN）對每個IMF和Rn擬合為非線性自回歸模型并對其進(jìn)行預(yù)測,將其預(yù)測結(jié)果組合得到鐵水含硅量的預(yù)測結(jié)果。最后,通過利用柳州（LZ）鋼廠2號高爐煉鐵數(shù)據(jù)進(jìn)行預(yù)測實驗驗證,結(jié)果表明本文所提出的EMD_SVR、EMD_DNN組合算法,無論是均方誤差（MSE）還是命中率上都明顯優(yōu)于無EMD的傳統(tǒng)算法。在多變量時間序列的鐵水含硅量建模與預(yù)測中,本文首先結(jié)合高爐煉鐵機(jī)理和主成...

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容與結(jié)構(gòu)安排
    1.4 特色與創(chuàng)新
第二章 單變量時間序列的鐵水含硅量建模與預(yù)測
    2.1 經(jīng)驗?zāi)B(tài)分解簡介
    2.2 基于經(jīng)驗?zāi)B(tài)分解對鐵水含硅量的處理
    2.3 基于EMD_SVR鐵水含硅量建模與預(yù)測
        2.3.1 模型建立與算法設(shè)計
        2.3.2 仿真結(jié)果與分析
    2.4 基于EMD_DNN鐵水含硅量建模與預(yù)測
        2.4.1 模型建立與算法設(shè)計
        2.4.2 仿真結(jié)果與分析
    2.5 本章小結(jié)
第三章 鐵水含硅量影響因素分析及輸入變量選取
    3.1 基于高爐煉鐵機(jī)理的影響因素分析
    3.2 基于統(tǒng)計分析的輸入變量選取與時滯確定
        3.2.1 基于PCA對輸入變量的選取
        3.2.2 基于MIC對輸入變量的時滯確定
    3.3 本章小結(jié)
第四章 多變量時間序列的鐵水含硅量建模與預(yù)測
    4.1 基于SVR鐵水含硅量預(yù)測算法的建模與預(yù)測
        4.1.1 模型建立與算法設(shè)計
        4.1.2 預(yù)測結(jié)果與分析
    4.2 基于DNN鐵水含硅量預(yù)測算法的建模與預(yù)測
        4.2.1 模型建立與算法設(shè)計
        4.2.2 預(yù)測結(jié)果與分析
    4.3 本章小結(jié)
第五章 鐵水質(zhì)量預(yù)報系統(tǒng)設(shè)計與實現(xiàn)
    5.1 預(yù)報系統(tǒng)的設(shè)計
    5.2 預(yù)報系統(tǒng)的實現(xiàn)
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 今后研究展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間已發(fā)表或錄用的論文



本文編號：4034606