导读:本文包含了终点预测论文开题报告文献综述、选题提纲参考文献，主要关键词:转炉,模型,终点,算法,向量,在线,含量。
终点预测论文文献综述写法
夏春燕,徐芳芳,张欣,徐冰,包乐伟[1]（2019）在《近红外光谱快速预测天舒片包衣终点研究》一文中研究指出目的应用近红外光谱(NIRS)技术快速预测天舒片薄膜包衣终点。方法首先,采用组合间隔偏最小二乘法(synergy intervalpartialleastsquare,si PLS)优选建模区间,并对预处理方法进行筛选;其次,根据优选的建模条件,基于建立的参考光谱库,采用一致性检验和相似度匹配建立校正模型;随后,通过对比测试光谱与参考光谱间的相似度大小,设定阈值,确定相似度、阈值与包衣终点的关系;最后,采用验证集光谱对模型性能进行验证。结果在包衣过程中,当连续多条测试光谱的相似度超过阈值时,指示为包衣终点。结论一致性检验和相似度匹配模型性能良好,能够敏锐地反映包衣薄膜的均匀性,并准确预测包衣终点。该研究对减小包衣的批间差异性和降低原料损耗,提高中药固体制剂的包衣生产效率和提升质量均一性具有重要意义。(本文来源于《中草药》期刊2019年21期）
张壮,曹玲玲,林文辉,孙建坤,冯小明[2]（2019）在《基于IPSO-RELM转炉冶炼终点锰含量预测模型》一文中研究指出分析了影响转炉冶炼终点钢水中锰含量的因素,针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢,预测精度低等问题,提出了一种基于极限学习机(ELM)算法建模的新思路,并引入正则化以及改进粒子群优化算法(IPSO),建立了基于改进粒子群算法优化的正则化极限学习机(IPSO-RELM)的转炉终点锰含量预测模型;应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证,并与基于BP、ELM和RELM算法的叁类模型进行比较.结果表明,采用IPSO-RELM方法构建的模型,锰含量预测误差在±0. 025%范围内的命中率达到94%,均方误差为2. 18×10~(-8),拟合优度R2为0. 72,上述叁项指标均显着优于其他叁类模型,此外,该模型还具有良好的泛化能力,对于转炉实际冶炼过程具有一定的指导意义.(本文来源于《工程科学学报》期刊2019年08期）
郑伟,李廷刚,陈勇,马仲群,孙建鹏[3]（2019）在《基于BP神经网络的LF精炼终点温度预测模型》一文中研究指出通过对LF精炼过程的研究找出了对LF精炼终点温度起主要作用的工艺参数,应用BP神经网络建立了终点拟合仿真函数模型。应用现场实际测量结果与模型预测结果进行对比,温度误差小于5℃的炉次为总炉次的96.5%,温度误差最大值为8℃。(本文来源于《山西冶金》期刊2019年03期）
吴连军[4]（2019）在《基于排放烟气分析的烧结矿烧结终点预测研究》一文中研究指出烧结矿是高炉炼铁的重要原料之一,由粉状含铁原料烧结生成。烧结生产过程具有大滞后性、强耦合性、非线性等的特点。烧结工艺中,烧结终点是工艺参数调整的重要依据,但由于现场工艺复杂,生产条件恶劣,涉及参数多,没有相关仪器可以直接测得烧结终点的具体位置。传统的烧结终点预测模型都是基于水分、风量、料层厚度等参数,应用支持向量机回归或神经网络建立,存在预测精度不够、时间较长、实时性差等缺点。针对上述烧结过程存在的问题,提出基于烧结生产排放烟气定量分析的烧结终点预测方法,通过实时检测并分析烧结过程中排放的SO_2、O_2、NO_x气体的浓度,采用随机森林算法,建立烧结终点预测模型,实现对烧结终点的准确预测。主要研究工作如下:1.构建排放烟气连续在线监测系统基于某钢厂450m~2烧结机的工艺流程,构建烧结排放烟气在线监测系统。在大烟道除尘器的取气孔处设置烟气分析采样探头,并通过气体分析仪、烟气流量检测仪实时在线分析包括SO_2、O_2、NO_x气体在内的浓度、流量、温度等参数,实现烧结烟气的实时在线分析,为后续分析和建模提供数据基础。2.排放烟气数据预处理采集得到18210组数据,采用小波分析对数据进行消噪处理,采用箱型图法剔除7478组异常数值,最后剩余10732组数据。结果表明,预处理过程提高了数据质量,为数据信息的挖掘和提取提供基础。3.基于随机森林算法和排放烟气建立了烧结终点预测模型应用关联热图和平行坐标法评估了各参数的重要性,确定了SO_2、O_2、NO_x气体的浓度以及烟气温度和压强作为建模数据,然后划分训练样本和检验样本数据,以SO_2、O_2、NO_x的浓度、温度、压力等参数作为输入,以其相应过程烧结终点为输出,采用随机森林算法,建立了基于排放烟气的烧结终点预测模型;通过均方误差分析,对决策树数量、特征变量等模型参数进行优化,完成了烧结终点预测模型的构建。应用已确定烧结终点预测模型对2683组测试集数据进行烧结终点预测,结果表明,相较同等数据建立的支持向量机、BP神经网络建立的烧结终点模型,基于随机森林算法建立的烧结终点预测模型具有更高的预测精度和更高的处理效率,分别为96.95%和16.77s;此外,相较于传统的利用水分、料层厚度、风量等参数建立的模型,随机森林模型的预测精度至少提高0.0171。基于排放烟气的烧结终点预测为提高烧结终点的预测精度,改善烧结矿的生成效率提供了一种新的解决方法。(本文来源于《太原理工大学》期刊2019-06-01）
张群威,陈桂华[5]（2019）在《基于神经网络的转炉冶炼终点锰、磷静态预测算法》一文中研究指出在国内重工业领域中,很多钢铁企业所采用的转炉大部分为最小型的转炉,由于容量有限无法对转炉冶炼结束时的锰、磷进行静态预测,进行影响了冶炼的精度。然而,传统算法用于实现锰和磷的冶炼终点。因此,充分利用最近开发的人工神经网络技术,基于Visual Basic编程语言,神经网络模型用于预测转炉冶炼结束时的锰和磷状态。针对半钢炼钢分开建立锰、磷含量、温度预测模型,确定输入层参数有37个,中间隐藏层参数有30个,输出层参数有两个3层BP神经网络。模型在30 000炉样本的基础上做数据训练,对权值、阈值进行修正,并保存100炉未训练过的学习样本作为模型网络训练依据,对转炉冶炼进行在线训练,通过训练的模型可以很好的适应转炉冶炼多变的生产条件。(本文来源于《中国锰业》期刊2019年02期）
冯英,徐萍[6]（2019）在《血栓弹力图、D-二聚体预测妊娠高危高凝抗凝治疗终点并发DVT的诊断价值》一文中研究指出目的探讨血栓弹力图、D-二聚体在妊娠高危高凝抗凝治疗终点并发DVT患者中的预测效果。方法取2016年1月～2017年4月医院收治的孕20～40周妊娠高血压孕妇90例,设为妊娠高危组;取同期入院普通孕妇60例,设为正常对照组。均给予血栓弹力图分析仪对两组进行评估;采用散色比浊法测定两组D-二聚体(Ddimer,D-D)水平。妊娠高危组根据评估结果分为高血压组(n=78)和高血压用药组(n=12)。高血压组不采取措施处理,高血压用药组采用阿司匹林抗凝处理,利用血栓弹力图分析仪再次对患者进行评估并完成D-D水平的测定,分析血栓弹力图、D-二聚体在妊娠高危高凝抗凝治疗终点并发DVT患者中的预测效果。结果高血压用药组血块动力(K)低于高血压组(P<0.05);高血压用药组凝血指数、血块强度、D-D水平均高于高血压组(P<0.05);妊娠高危高凝抗凝治疗终点并发DVT预测效能较好指标依次为:Alpha、MA及CI联合D-二聚体,诊断敏感性、特异性均相对较高。结论血栓弹力图中Alpha、MA及CI联合D-二聚体能预测妊娠高危高凝抗凝治疗终点并发DVT情况,能指导临床治疗,值得推广应用。(本文来源于《中国现代医生》期刊2019年11期）
高闯,沈明钢,王焕清[7]（2019）在《基于孪生支持向量回归机的转炉炼钢终点预测》一文中研究指出为了提高转炉炼钢的终点命中率,建立了一种新的转炉终点预测模型,实现了对转炉终点碳质量分数和温度的准确预测。模型采用K最近邻孪生支持向量机(KNNWTSVR)算法,将权重矩阵引入到目标函数中,并利用鲸群优化算法进行求解,提高了传统算法的性能;然后基于某炼钢厂260t转炉的实际生产数据,建立了转炉炼钢终点预测模型。结果表明,预测模型的终点碳质量分数(误差±0.005%)和温度(误差±15℃)的终点单命中率分别为94%和88%,双命中率达到84%。与其他两种现有的建模方法相比,本模型取得了最优的预测效果。该方法满足转炉炼钢实际生产的需求,也可适用于钢铁冶金其他领域的数学建模。(本文来源于《中国冶金》期刊2019年04期）
高闯,沈明钢[8]（2019）在《基于无约束小波权重TSVR的转炉炼钢终点静态预测模型》一文中研究指出转炉炼钢是一个极其复杂的物理化学反应过程,采用智能方法建立转炉炼钢的数学模型是近些年来的一个热点问题。针对熔池碳含量和温度的终点命中率问题,提出了一种新的静态预测模型的建模方法。在传统的孪生支持向量回归机的基础上,将小波权重矩阵引入到目标函数中,然后将目标函数转换成无约束优化问题求解,提高了算法的性能和运算效率;最后基于某炼钢厂260 t转炉的实际生产数据,建立了转炉炼钢终点静态预测模型。试验结果表明,预测模型的终点碳质量分数(误差±0.005%)和温度(误差±10℃)的单命中率分别为94%和96%,双命中率达到90%。通过与现有的方法比较,所提出的预测模型取得了最优的结果,不仅能够指导实际生产,也可用于冶金行业的其他应用背景的数学建模。(本文来源于《炼钢》期刊2019年02期）
郑威迪,李志刚,贾涵中,高闯[9]（2019）在《基于改进型鲸鱼优化算法和最小二乘支持向量机的炼钢终点预测模型研究》一文中研究指出终点碳含量是决定钢质量的关键因素,是转炉炼钢过程中需要控制的核心变量之一.本文建立了一种基于莱维飞行的鲸鱼优化算法(Levy Whale Optimization Algorithm,LWOA)和最小二乘向量机(Least Squares Support Vector Machine,LSSVM)的钢水终点碳含量综合预测模型.通过莱维飞行代替了传统鲸鱼优化算法(Whale Optimization Algorithm,WOA)参数的随机选择,优化了鲸鱼算法中跳出局部最优的能力;借助改变鲸鱼算法的系数向量收敛方式明显提高了鲸鱼优化算法的泛化能力、预测精度和收敛速度.数据仿真结果表明,所提出的LWOA-LSSVM预测模型,不仅能够克服局部寻优获取全局最优解,而且具有快速的收敛速度和更高的预测精度,得出预测结果的均方根误差、平均绝对误差和平均绝对百分比误差与遗传算法BP神经网络、遗传算法最小二乘支持向量机和传统鲸鱼算法最小二乘支持向量机相比均有着明显提高.同时,通过调整目标命中率和训练输入样本量验证了预测模型具有更好的鲁棒性.(本文来源于《电子学报》期刊2019年03期）
周纪平[10]（2019）在《基于体积模型的烧结终点预测及模糊控制研究》一文中研究指出基于宝武集团梅山钢铁公司5#烧结机实际,设计基于体积(volume)模型的烧结终点位置自适应模糊控制器。首先,采用最小二乘法对烧结机两侧风箱废气温度进行拟合,建立烧结终点volume预测模型,通过计算两条曲线顶点与预设点之间构成的体积确定烧结终点位置。在此基础上,设计自适应模糊控制器,引入加权因子实现模糊规则自调整,并通过Matlab仿真验证。结果表明:烧结终点volume预测模型相比于传统模型更加准确;相比于传统PID控制器,基于volume模型的自适应模糊控制器不仅在快速性及超调量等方面表现更优,且具更强的鲁棒性。(本文来源于《安徽工业大学学报(自然科学版)》期刊2019年01期）
终点预测论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
分析了影响转炉冶炼终点钢水中锰含量的因素,针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢,预测精度低等问题,提出了一种基于极限学习机(ELM)算法建模的新思路,并引入正则化以及改进粒子群优化算法(IPSO),建立了基于改进粒子群算法优化的正则化极限学习机(IPSO-RELM)的转炉终点锰含量预测模型;应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证,并与基于BP、ELM和RELM算法的叁类模型进行比较.结果表明,采用IPSO-RELM方法构建的模型,锰含量预测误差在±0. 025%范围内的命中率达到94%,均方误差为2. 18×10~(-8),拟合优度R2为0. 72,上述叁项指标均显着优于其他叁类模型,此外,该模型还具有良好的泛化能力,对于转炉实际冶炼过程具有一定的指导意义.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
终点预测论文参考文献
[1].夏春燕,徐芳芳,张欣,徐冰,包乐伟.近红外光谱快速预测天舒片包衣终点研究[J].中草药.2019
[2].张壮,曹玲玲,林文辉,孙建坤,冯小明.基于IPSO-RELM转炉冶炼终点锰含量预测模型[J].工程科学学报.2019
[3].郑伟,李廷刚,陈勇,马仲群,孙建鹏.基于BP神经网络的LF精炼终点温度预测模型[J].山西冶金.2019
[4].吴连军.基于排放烟气分析的烧结矿烧结终点预测研究[D].太原理工大学.2019
[5].张群威,陈桂华.基于神经网络的转炉冶炼终点锰、磷静态预测算法[J].中国锰业.2019
[6].冯英,徐萍.血栓弹力图、D-二聚体预测妊娠高危高凝抗凝治疗终点并发DVT的诊断价值[J].中国现代医生.2019
[7].高闯,沈明钢,王焕清.基于孪生支持向量回归机的转炉炼钢终点预测[J].中国冶金.2019
[8].高闯,沈明钢.基于无约束小波权重TSVR的转炉炼钢终点静态预测模型[J].炼钢.2019
[9].郑威迪,李志刚,贾涵中,高闯.基于改进型鲸鱼优化算法和最小二乘支持向量机的炼钢终点预测模型研究[J].电子学报.2019
[10].周纪平.基于体积模型的烧结终点预测及模糊控制研究[J].安徽工业大学学报(自然科学版).2019