基于偏态深度截尾数据的高炉炉温预测研究.pdf

目 录 第一章 绪论 1 1.1 课题研究背景及意义 1 1.1.1 研究背景 1 1.1.2 研究意义2 1.2 高炉炼铁工艺简介2 1.2.1 高炉炼铁流程2 1.2.2 高炉系统自动化4 1.3 高炉炼铁研究现状6 1.3.1 文献综述 6 1.3.2 高炉炼铁面临的问题 10 1.4 本文研究内容 12 1.5 本文创新点 13 第二章 模型理论基础及评价标准 14 2.1 统计深度函数 14 2.1.1 统计深度简介 14 2.1.2 偏态投影深度 16 2.1.3 偏态投影深度计算 17 2.2 Elman 神经网络 19 2.2.1 Elman 神经网络简介 19 2.2.2 Elman 网络算法21 2.3 Logistic 模型23 2.3.1 Logistic 回归模型23 2.3.2 Logistic 算法流程23 2.4 模型评价标准25 2.4.1 Elman 网络评价标准25 2.4.2 Logistic 评价标准26 第三章 基于时间序列的硅含量预测27 3.1 数据处理27 3.1.1 数据来源及处理27 3.1.2 模型预测流程29 3.2 基于Elman 网络的硅含量预测29 3.2.1 变量参数选择29 3.2.2 Elman 网络超参数选择31 3.3 模型评价与分析33 3.4 本章小结35 第四章 基于偏态深度截尾数据的炉温预测36 4.1 数据分类36 4.1.1 偏态深度截尾数据分类36 4.1.2 模型预测流程37 4.2 基于偏态深度截尾数据的硅含量预测38 4.2.1 Elman 网络参数选择38 4.2.2 模型比较与分析39 4.3 基于偏态深度截尾数据的炉温波动预测41 4.3.1 基于炉温波动方向的多元Logistic 模型41 4.3.2 结果与分析42 4.4 本章小结46 第五章 结论与展望47 5.1 结论47 5.2 进一步研究与展望48 参考文献49 致谢 54 Contents Chapter I Introduction 1 1.1 Research Background and Significance 1 1.1.1 Research Background 1 1.1.2 Research Significance 2 1.2 Brief Introduction of Blast Furnace Ironmaking Process 2 1.2.1 Blast Furnace Ironmaking Process2 1.2.2 Automation of Blast Furnace System 4 1.3 Research Status of Blast Furnace Ironmaking 6 1.3.1 Literature Review6 1.3.2 Problems Faced by Blast Furnace Ironmaking 10 1.4 Res