神经元网络在高炉十字测温预报系统中应用的研究

论文摘要

本文论述了基于面向对象的实时高炉炉喉十字测温预报的设计和程序的具体实现问题。针对神经元网络在预报中的应用及十字测温预报系统进行了阐述和论证。 作为开发高炉煤气流分布及布料操作决策人工智能系统的基础研究和关键技术,本系统采用基于TD算法的时序神经网络以及BP神经元网络多步预报模型进行十字测温的预报。使高炉专家能够及时了解炉喉温度的变化情况,对提高整个系统的运行起到关键的作用。 鉴于十字测温的温度变化属于非单纯时间序列问题,通过分析影响煤气流的因素并结合专家意见,根据测温点位置的不同相应地选择了影响温度变化的状态量,从而使预报精度得到提高。 在利用UML语言和设计模式进行了软件体系结构设计的基础上,用C++Builder 6.0编写了代码。本系统遵循面向对象程序设计思想,从而使代码实现简洁,系统运行稳定,维护简易。最后对实验结果进行了分析,并且提出了系统改进的设想。

论文目录

• 独创性声明
• 摘要
• ABSTRACT
• 目录
• 第一章 前言
• 1.1 研究背景
• 1.2 论文结构
• 第二章 时间序列分析与预报
• 2.1 时间序列的基本概念
• 2.1.1 时间序列的定义
• 2.1.2 时间序列的分类
• 2.2 预报
• 2.2.1 预报的认识过程
• 2.2.2 基本原理
• 2.3 时间序列预报
• 2.3.1 历史和现状
• 2.3.2 存在的问题
• 2.3.3 时间序列问题的本质
• 2.3.4 困境的根源
• 2.4 时序预报技术
• 2.4.1 确定型时序预报
• 2.4.2 随机型时序预报
• 2.4.3 基于神经元网络的时序预报
• 第三章 神经元网络的原理
• 3.1 神经元网络
• 3.1.1 神经元网络理论的发展简史
• 3.1.2 神经元网络的基本概念和特征
• 3.1.3 神经元网络的应用领域
• 3.1.4 神经网络的原理，结构和学习算法
• 3.2 BP神经元网络及改进
• 3.2.1 BP网络的结构
• 3.2.2 BP网络的学习算法
• 3.2.3 BP网络的改进
• 3.2.3.1 变步长的算法
• 3.2.3.2 加动量项算法
• 3.3 BP神经元网络设计
• 3.3.1 隐层层数的选择
• 3.3.2 隐层神经元数目的确定
• 3.3.3 初始权值的选取
• 第四章 炉喉十字温度的决定因素
• 4.1 煤气流简介
• 4.1.1 煤气流在炼铁过程中的地位
• 4.1.2 不合理煤气流原因分析及处理
• 4.1.3 在炉况顺行、煤气流分布合理的前提下，进行煤气流的优化调节
• 4.1.4 根据煤气流的分布状况进行上部布料调节，提供合理的布料操作建议，进行布料操作决策
• 4.1.5 理想煤气流分布
• 4.1.6 改善煤气流的方法
• 4.1.7 改善煤气流的意义
• 4.2 十字温度简介
• 4.2.1 十字温度与煤气流
• 4.2.2 影响十字温度的因素
• 4.2.2.1 鼓风动能
• 4.2.2.2 渣铁液分布的影响
• 4.2.2.3 焦炭质量
• 4.2.2.4 软熔带形态影响
• 4.2.2.5 上部气流分布
• 4.2.2.6 喷煤
• 4.3 系统开发环境
• 第五章 十字测温预报的原理
• 5.1 TD算法
• 5.1.1 十字测温预报的神经元网络模型的结构
• 5.1.2 TD算法的权值变化公式
• 5.2 BP神经网络多步预报模型
• 5.2.1 BP神经网络多步预报模型的结构
• 5.2.2 BP神经网络多步预报模型的算法的权值变化公式
• 5.2.2.1 输入模式顺传播
• 5.2.2.2 输出误差逆传播
• 5.2.2.3 变步长及加动量项后的权值调整公式
• 5.2.3 BP神经网络多步预报模型的工作流程
• 5.3 十字测温预报的具体工作流程
• 第六章 十字测温预报系统设计
• 6.1 UML（统一建模语言，Unified Modeling Language）
• 6.2 用户事例图（Use Case Diagram）
• 6.3 类图（Class Diagram）
• 6.4 时间序列图（Sequence Diagram）
• 6.5 对象协作图（Collaboration Diagram）
• 第七章 结论
• 7.1 实验结论
• 7.2 存在问题
• 7.3 改进设想
• 参考文献
• 致谢