基于數(shù)據(jù)挖掘的銅轉(zhuǎn)爐吹煉過程終點預(yù)報的研究.pdf

1、隨著計算機(jī)的普及和大容量存儲技術(shù)的發(fā)展和廣泛應(yīng)用，人們在日常事務(wù)處理和科學(xué)研究中積累了大量的各種類型的數(shù)據(jù)。這些歷史數(shù)據(jù)背后蘊藏了對決策有重要參考價值的信息，如何充分、有效地利用這些歷史數(shù)據(jù)已成為目前人們所關(guān)注的問題。作為計算機(jī)技術(shù)、數(shù)據(jù)庫技術(shù)、人工智能、統(tǒng)計學(xué)等相結(jié)合的產(chǎn)物，數(shù)據(jù)挖掘技術(shù)為解決這一問題提供了有效的途徑。 本文簡要介紹了數(shù)據(jù)挖掘技術(shù)的淵源、基本原理和主要研究成果，強(qiáng)調(diào)了數(shù)據(jù)建模的重要性，分別介紹了幾類重要的數(shù)據(jù)建

2、模技術(shù)，指出了數(shù)據(jù)挖掘技術(shù)在復(fù)雜工業(yè)生產(chǎn)過程的優(yōu)化決策和控制中具有廣闊的應(yīng)用前景和重要的應(yīng)用價值。同時，針對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)權(quán)值學(xué)習(xí)算法速度慢、易陷入局部極小等缺陷，提出了一種激勵函數(shù)參數(shù)可調(diào)的前饋神經(jīng)網(wǎng)絡(luò)，并給出了相應(yīng)的權(quán)值和參數(shù)快速學(xué)習(xí)算法。該算法運用本文提出的非單調(diào)啟發(fā)式模擬搜索法實現(xiàn)網(wǎng)絡(luò)權(quán)值和參數(shù)的快速搜索，實驗表明，該算法不僅能明顯提高網(wǎng)絡(luò)的學(xué)習(xí)速度，而且可較好地避免學(xué)習(xí)過程陷入局部極小而導(dǎo)致學(xué)習(xí)失敗。在此基礎(chǔ)上，本文詳細(xì)分析