您的位置： 专家智库 > >

谢灵杰

作品数：2 被引量：9H指数：2
供职机构：重庆大学材料科学与工程学院更多>>
发文基金：国家自然科学基金更多>>
相关领域：冶金工程自动化与计算机技术更多>>

合作作者

文献类型

  • 1篇期刊文章
  • 1篇学位论文

领域

  • 2篇冶金工程
  • 1篇自动化与计算...

主题

  • 2篇铁水
  • 2篇高炉
  • 2篇高炉铁水
  • 1篇知识发现
  • 1篇数据挖掘
  • 1篇特征提取
  • 1篇铁水硅含量
  • 1篇铁水含硅量
  • 1篇硅含量
  • 1篇含硅量
  • 1篇高炉铁水硅含...

机构

  • 2篇重庆大学
  • 1篇天津铁厂

作者

  • 2篇谢灵杰
  • 1篇高小强
  • 1篇郑忠
  • 1篇韩以楠
  • 1篇郝秀平
  • 1篇龙平

传媒

  • 1篇钢铁研究学报

年份

  • 1篇2004
  • 1篇2003
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
高炉铁水硅含量预测中的直接经验和间接经验
准确预测铁水含硅量是有效控制高炉的前提，人工智能专家系统已在铁水硅含量预测方面取得显著进展，但专家系统在知识获取方面存在不足。高炉铁水硅含量的自组织经验进化预测模型主要由动态数据特征提取、动态模式量化以及预测经验的记忆、...
谢灵杰
关键词：高炉铁水含硅量数据挖掘知识发现
文献传递
高炉铁水硅含量自组织预测中的模式量化被引量：4
2004年
研究了高炉铁水硅含量自组织经验进化预测模型中的模式量化问题。在模式量化方案中,采用高炉过程变量时间序列数据的均值、梯度值和波动值作为数据的特征量来进行特征提取,将可预测率、命中率、趋势命中率等判据用于评判预测效果,并用天津铁厂1号高炉的过程数据进行了离线检验。结果表明:基于过程变量的特征提取方法可用于具有均匀时间间隔的高炉过程数据的特征提取。正确运用该方法可使铁水硅含量自组织预测模型的预测命中率提高10%左右。
谢灵杰高小强郑忠龙平韩以楠郝秀平
关键词：高炉铁水硅含量特征提取
全选 清除 导出
共1页<1>
聚类工具0