智能计算方法在高炉生产目标预测中的应用

推荐语 

本书采用了鱼骨分析的方法获取所有可能对入炉焦比和铁水硅含量产生影响的因素，并利用相关系数作为特征选择的判别规则以优选输入变量。为了保证在分类能力不变的前提下用尽可能少的特征来完成分类，本书介绍了一种基于概念格的多层属性约简算法，对冗余参数进行数据约简。针对国内高炉入炉焦比普遍偏高的问题，介绍了基于概念格约简和遗传算法相结合的焦比预测模型。针对高炉铁水硅含量预测模型精度不高的问题，将人工鱼群算法中的视野机制引入标准粒子群算法，介绍一种基于变邻域结构的粒子群优化算法，将局部最优策略和全局最优策略有机结合。在标准粒子群的局部开发中将模拟退火状态转换的思想加入黄金正弦操作，以此提升局部搜索精度，同时从炼铁学和统计学双方面分析目标参数的影响因素，形成高质量的数据集，并将基于智能优化的随机森林模型用于铁水硅含量预测，与其他模型进行了对比实验， 验证其有效性。

内容简介

本书共分6章，主要内容包括绪论、智能计算方法、概念格生成及属性约简、基于概念格约简的高炉焦比预测、基于改进粒子群的铁水硅含量稳定性分析、基于改进随机森林的铁水硅含量预测。

目录

1 绪论

1.1 高炉冶炼数学模型及智能化研究进展

1.2 人工智能方法在高炉生产中的应用

1.3 混合智能建模

参考文献

2 智能计算方法

2.1 支持向量机

2.2 粒子群优化算法

2.3 遗传算法

2.4 人工鱼群算法（AFSA）

2.5 随机森林

参考文献

3 概念格生成及属性约简

3.1 概念格理论

3.2 概念格构造算法综述

3.3 经典Godin算法

3.4 基于属性的概念格快速构造算法

3.5 基于概念格的冗余属性约简算法

参考文献

4 基于概念格约简的高炉焦比预测56

4.1 数据准备

4.2 冗余参数的约简

4.3 网格搜索算法优化SVM

4.4 粒子群优化SVM

4.5 遗传算法SVM参数优化

参考文献

5 基于改进粒子群的铁水硅含量稳定性分析

5.1 引言

5.2 数据处理

5.3 基于人工鱼视野的变邻域粒子群算法

5.4 基于AFIV-PSO的铁水硅含量预测

5.5 铁水硅含量稳定性分析

参考文献

6 基于改进随机森林的铁水硅含量预测

6.1 引言

6.2 改进粒子群优化算法

6.3 测试函数验证

6.4 特征选择

6.5 对比实验

参考文献