摘要
第一章 绪论
1.1 本文研究背景
1.1.1 铁水脱硫工艺
1.1.2 宝钢铁水脱硫现状
1.1.3 宝钢铁水脱硫生产过程控制系统
1.2 本文研究目的与意义
1.3 本文主要研究内容
1.4 本文章节安排
第二章 国内外现有模型分析
2.1 模型评价准则
2.2 代数学模型
2.2.1 模型公式
2.2.2 参数拟合
2.2.3 应用状况
2.3 神经网络模型
2.3.1 网络结构
2.3.2 权重训练
2.3.3 多网并联
2.3.4 使用局限
2.4 模型对比分析
第三章 前期数据准备
3.1 数据收集
3.1.1 抽取
3.1.2 转换
3.1.3 装载
3.2 离群点检测
3.2.1 产生原因分析
3.2.2 基本概念
3.2.3 检测方法
3.2.4 人工确认
3.3 数据分层
3.3.1 假设基本原理
3.3.2 工位对加入量的影响
3.3.3 生产时间对加入量的影响
3.3.4 前除渣对加入量的影响
3.3.5 数据分层结论汇总
第四章 基于数据挖掘技术的脱硫模型研究
4.1 数据挖掘技术简介
4.2 k-最近邻分类器
4.2.1 基本原理
4.2.2 不平衡类问题
4.3 基于k-最近邻分类器的脱硫剂加入量计算方法
4.3.1 加入量预测算法
4.3.2 寻找k-最近邻算法
4.3.3 算法组合
4.4 基于参数试验的属性权重最优值确定方法
4.4.1 数学抽象
4.4.2 确定试验点
4.4.3 试验结果分析
第五章 模型的系统实现与应用效果
5.1 系统分析
5.1.1 用户需求
5.1.2 开发环境
5.2 系统设计
5.2.1 进程设计
5.2.2 界面设计
5.2.3 数据表设计
5.3 现场实施效果
5.3.1 命中率考核
5.3.2 模型控制投料
第六章 总结与展望
参考文献
致谢
声明