資源描述：
《基于數(shù)據(jù)挖掘的高爐煤氣流分布神經(jīng)元網(wǎng)絡模型的研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、東北大學碩士學位論文基于數(shù)據(jù)挖掘的高爐煤氣流分布神經(jīng)元網(wǎng)絡模型的研究姓名：張冬巖申請學位級別：碩士專業(yè)：計算機應用技術指導教師：林樹寬20041201查!!壟堂堡主堂堡壘查塑墨基于數(shù)據(jù)挖掘的高爐煤氣流分布神經(jīng)元網(wǎng)絡模型的研究摘要煤氣流分布狀態(tài)是高爐上部布料操作的主要依據(jù)，它對于高爐生產(chǎn)的增產(chǎn)提質，降低焦比具有十分重要的意義。但是煤氣流的分布狀態(tài)是無法做準確測量的，于是我們采用了利用高爐的運行指標(如高爐利用系數(shù)、焦比等)作為評價煤氣流分布狀況好壞的性能指標。因此，如何獲取實時的高爐運行指標就是本論文要解決的主要問題。我們利用十字測溫來擬合實時高爐運行指標，為了建立十字測溫
2、和運行指標之間的關系，我們分別設計了離線和實時兩個系統(tǒng)。離線系統(tǒng)中先對十字測溫數(shù)據(jù)做聚類分析和主成分分析，然后使用處理后的樣本數(shù)據(jù)構建一個我們所期望的煤氣流分布網(wǎng)絡，存入到模型庫中。實時系統(tǒng)中，首先對實時傳來的十字測溫數(shù)據(jù)做判別分析、主成分分析，然后到模型庫中取出對應的已經(jīng)訓練好的網(wǎng)絡進行計算，輸出結果。本課題采用的方案在目前的高爐專家系統(tǒng)中尚未見到，具有創(chuàng)新性。通過當前及未來高爐運行指標來評價煤氣流的分布，這是一種新思路。實驗表明，相對于單純地使用神經(jīng)元網(wǎng)絡，這種基于數(shù)據(jù)挖掘的神經(jīng)元網(wǎng)絡模型所擬合的結果更加準確。關鍵詞數(shù)據(jù)挖掘神經(jīng)元網(wǎng)絡煤氣流分布模型東北大學碩士學位論文
3、ABSTRACTTheResearchofNeuralNetworkModelofBlastFurnaceGasFlowBasedonDataMiningABSTRACTDistributingstateofblastfurnacegasflowisprincipalbasisinoperatingguidanceofblastfurnacematerial．Itisveryimportanttoimprovetheoutputanddecreasethecokeratio．Butitisimpossibletomeasuringdistributingstateofga
4、sflowaccurately，thenweadoptindex(utilizecoefficientandcokeratioetc)ofblastfurnacetoappraisingthegasflowSotheprimaryquestionthepapertriestosolveishowtogetthereal—timeindexofblastfurnace．Weusecrosstemperaturetopredictreal—timeindexofblastfurnace．Forexploringtherelationshipbetweencrosstemper
5、atureandindexofblastfurnace，wedesignanofflinesystemandareal．timesystem．Intheofflinesystem，wefirsttransformthecrosstemperaturebydataminingtechnologywhichareclusteringanalysisandprincipalcomponentanalysis，thenbuildaprospectiveneuralnetworkwiththetreatedsampledataandsavethenetworktomodelstor
6、age．Inthereal—timesystem，wefirstdealthereal-timecrosstemperaturewithclusteringanalysisanddiscriminatinganalysis．ThenchooseasuitedtrainednetworkfrommodelstoragetocomputeandoutputtheresultThedesignschemeusedinthistaskisnotexistincurrentexpertsystemofblastfurnace，SOithascreativityinaway．Itis
7、anewideathatuse．m-東北大學碩士學位論文ABSTRACTreal-timeandfutureindexofblastfurnacetoappraisethegasflow．TheexperimentprovedtheresultfromneuralnetworkbasedondataminingisbetterthanonlyuseneuralnetworkKeyWords：datamining，neuralnetwork，modelofGasflow-Ⅳ-獨創(chuàng)性聲明本人聲明所呈交的學位論文是在導師的指導下完成
