基于多目标规划理论预测高炉铁水硅含量.docx
佳宁****么啦
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于多目标规划理论预测高炉铁水硅含量.docx
基于多目标规划理论预测高炉铁水硅含量黄海燕曹东明李自创摘要:本文研究的是高炉铁水硅含量问题。通过数据可知这是一类多元非线性回归问题。我们运用多目标规划理论建立相应的数学模型得到铁水硅含量与各参数间的关系。首先从给定的大量数据(实测数据)中筛选出与高炉铁水硅含量有密切联系的三个参数铁水温度、铁量差、料速。此外对铁水硅含量有影响的还有透气性指数、风温、风量由于各参数间息息相关我们首先建立多目标规划模型得到铁量差、料速和铁水温度与
基于多目标规划理论预测高炉铁水硅含量.docx
编号:时间:2021年x月x日书山有路勤为径,学海无涯苦作舟页码:第页共NUMPAGES13页第PAGE\*MERGEFORMAT13页共NUMPAGES\*MERGEFORMAT13页基于多目标规划理论预测高炉铁水硅含量黄海燕曹东明李自创摘要:本文研究的是高炉铁水硅含量问题。通过数据可知,这是一类多元非线性回归问题。我们运用多目标规划理论建立相应的数学模型得到铁水硅含量与各参数间的关系。首先,从给定的大量数据(实测数据)中筛选出与高炉铁水硅含量有密切联系的三个参数,铁
一种基于多目标集成学习的高炉铁水硅含量预测方法.pdf
本发明涉及钢铁企业自动化检测技术领域,提供一种基于多目标集成学习的高炉铁水硅含量预测方法。首先采集高炉检测参数和硅含量数据,构建初始样本集;然后对初始样本集进行数据预处理;接着,选取训练集、验证集,设置多目标离散差分进化算法各参数,初始化种群,将特征选择方案作为种群中的个体,构建并训练每个个体对应的高炉铁水硅含量预测的极限学习机模型,以最大化种群中个体的预测精度和个体相互之间的差异性为目标,基于多目标离散差分进化算法对种群进行更新,生成子学习机;最后,计算各子学习机的权重,利用权重对子学习机进行集成,得到
基于GA-XGBoost模型的高炉铁水硅含量预测方法.pdf
一种基于GA‑XGBoost模型的高炉铁水硅含量预测方法,包括以下步骤:①采集高炉的历史冶炼数据;②对数据集进行标准化;③将数据划分为不同的簇;④将相关系数大于设定值的特征变量剔除,并将数据划分为训练集和测试集;⑤利用训练集中的数据对GA‑XGBoost模型进行训练;⑥利用测试集中的数据对训练好的GA‑XGBoost模型进行测试;⑦利用测试合格的GA‑XGBoost模型对高炉铁水硅含量预测。本发明在XGBoost算法的基础上利用遗传算法进行优化和改进,并在预测之前通过KMeans++算法将预测数据集分割为
基于偏最小二乘的高炉铁水硅含量预测研究.pdf
硕士学位论文山孽之叙缇失尊船.垒汪论文题目:基于偏最小二乘的高炉铁水硅含量预测研究专业名称:卫三窆圣一学号:作者:祁鹏控制理论与控制工程2010年6月12日分类号:密单位代码:0127200702191DUC:fI丫J:llllJfflll7lfltll8llfllll9lllll5llffft2flllll6IJtUl基于偏最d'-乘的高炉铁水硅含量预测研究789526研究生姓名:祁鹏指导教师姓名:崔桂梅内蒙古科技大学信息工程学院包头014010,中国丫1PartialLeastSquaresPredi