基于數(shù)據(jù)挖掘的銅轉爐吹煉過程終點預報的研究.pdf

1、隨著計算機的普及和大容量存儲技術的發(fā)展和廣泛應用，人們在日常事務處理和科學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注的問題。作為計算機技術、數(shù)據(jù)庫技術、人工智能、統(tǒng)計學等相結合的產(chǎn)物，數(shù)據(jù)挖掘技術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)挖掘技術的淵源、基本原理和主要研究成果，強調了數(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，指出了數(shù)據(jù)挖掘技術在復雜工業(yè)生產(chǎn)過程的優(yōu)化決策和控制中具有廣闊的應用前景和重要的應用價值。同時，針對傳統(tǒng)BP神經(jīng)網(wǎng)絡權值學習算法速度慢、易陷入局部極小等缺陷，提出了一種激勵函數(shù)參數(shù)可調的前饋神經(jīng)網(wǎng)絡，并給出了相應的權值和參數(shù)快速學習算法。該算法運用本文提出的非單調啟發(fā)式模擬搜索法實現(xiàn)網(wǎng)絡權值和參數(shù)的快速搜索，實驗表明，該算法不僅能明顯提高網(wǎng)絡的學習速度，而且可較好地避免學習過程陷入局部極小而導致學習失敗。在此基礎上，本文詳細分析