原文服务方: 有色冶金设计与研究       
摘要:
高炉铁水硅含量的实时准确预测对高炉炉温的调控和稳定炉况具有重要作用,但其预测结果一直存在准确度不高和缺乏可信度表征等问题.为此,本文融合神经网络和bootstrap预测区间方法,用预测区间宽度表征点预测值的可信度,实现在预测硅含量值的同时给出了其预测结果的可信度.应用实例表明,论文提出的方法提高了硅含量点预测结果的准确度,且预测区间宽度能正确的表征点预测结果的可信度,对实际生产操作具有较好的指导意义.
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
高炉铁水硅含量序列的支持向量机预测模型
自回归AR(p)模型
主成分分析
支持向量机
炉温预测
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
基于k-means++的高炉铁水硅含量数据优选方法
预测
动态建模
神经网络
高炉炼铁
铁水硅含量
数据优选
k-means++
深度学习
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 基于bootstrap的高炉铁水硅含量预测
来源期刊 有色冶金设计与研究 学科
关键词 高炉 bootstrap 预测区间 可信度
年,卷(期) 2015,(3) 所属期刊栏目
研究方向 页码范围 27-30
页数 4页 分类号 TP391
字数 语种 中文
DOI
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 蒋朝辉 中南大学控制工程研究所 34 240 10.0 13.0
2 董梦林 中南大学控制工程研究所 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (11)
参考文献  (9)
节点文献
引证文献  (1)
同被引文献  (14)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(2)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高炉
bootstrap
预测区间
可信度
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
有色冶金设计与研究
双月刊
1004-4345
36-1111/TF
大16开
江西省南昌市红角洲前湖大道888号
1980-01-01
汉语
出版文献量(篇)
2607
总下载数(次)
0
总被引数(次)
7215
论文1v1指导