基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
应用贝叶斯网络对高炉铁水硅含量进行预测.首先阐述了贝叶斯网络的数学描述,在此基础上给出贝叶斯网络预测公式的一种简化形式.然后建立高炉铁水硅含量的贝叶斯网络预测模型,对山东莱钢1号高炉在线采集的2 000炉数据进行网络学习,离线预测取得了较好的效果.与神经网络等其他方法相比,它更适合解析高炉过程,而且透明的推理过程对高炉工长判断炉温变化趋势具有指导意义.
推荐文章
基于数据的高炉铁水硅含量预测
硅含量
差分进化
极限学习机
高炉
数据
基于bootstrap的高炉铁水硅含量预测
高炉
bootstrap
预测区间
可信度
基于BP神经网络的高炉铁水硅含量预测模型研究
铁水硅含量
BP神经网络
预测模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 贝叶斯网络在高炉铁水硅含量预测中的应用
来源期刊 钢铁 学科 工学
关键词 高炉炼铁 铁水硅含量 贝叶斯网络 预测
年,卷(期) 2005,(3) 所属期刊栏目 原料与炼铁
研究方向 页码范围 17-20
页数 4页 分类号 TF531
字数 3462字 语种 中文
DOI 10.3321/j.issn:0449-749X.2005.03.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘祥官 浙江大学数学系 31 549 14.0 23.0
2 刘学艺 浙江大学数学系 3 68 2.0 3.0
3 王文慧 浙江大学数学系 4 72 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (32)
参考文献  (5)
节点文献
引证文献  (57)
同被引文献  (68)
二级引证文献  (165)
1976(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2005(1)
  • 引证文献(1)
  • 二级引证文献(0)
2006(3)
  • 引证文献(2)
  • 二级引证文献(1)
2007(6)
  • 引证文献(3)
  • 二级引证文献(3)
2008(4)
  • 引证文献(2)
  • 二级引证文献(2)
2009(6)
  • 引证文献(4)
  • 二级引证文献(2)
2010(10)
  • 引证文献(2)
  • 二级引证文献(8)
2011(12)
  • 引证文献(4)
  • 二级引证文献(8)
2012(15)
  • 引证文献(5)
  • 二级引证文献(10)
2013(21)
  • 引证文献(8)
  • 二级引证文献(13)
2014(18)
  • 引证文献(7)
  • 二级引证文献(11)
2015(29)
  • 引证文献(8)
  • 二级引证文献(21)
2016(20)
  • 引证文献(3)
  • 二级引证文献(17)
2017(20)
  • 引证文献(0)
  • 二级引证文献(20)
2018(22)
  • 引证文献(1)
  • 二级引证文献(21)
2019(23)
  • 引证文献(4)
  • 二级引证文献(19)
2020(12)
  • 引证文献(3)
  • 二级引证文献(9)
研究主题发展历程
节点文献
高炉炼铁
铁水硅含量
贝叶斯网络
预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
钢铁
月刊
0449-749X
11-2118/TF
大16开
北京海淀区学院南路76号
2-236
1954
chi
出版文献量(篇)
5844
总下载数(次)
19
总被引数(次)
57664
论文1v1指导