铝电解生产指标标杆优化方法研究

铝电解生产指标标杆优化方法研究

ID:35107446

大小:7.39 MB

页数:58页

时间:2019-03-18

铝电解生产指标标杆优化方法研究_第1页
铝电解生产指标标杆优化方法研究_第2页
铝电解生产指标标杆优化方法研究_第3页
铝电解生产指标标杆优化方法研究_第4页
铝电解生产指标标杆优化方法研究_第5页
资源描述:

《铝电解生产指标标杆优化方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、一*'‘*I’?1?。,’…一、;、争、、、,-一'、-…*?‘-‘一t-<、cv、‘;:?:\,>一'*一。'\、’‘、''、。,.、‘-。班^人與'耗,C:也八若若獻聲歡—、,;寡務帮盤货I:乎苗驗,薛苗强舉林耳h硕±研究生学位论文這己-‘;讳巧‘骑知V巧'货运护於兮、?巧巧心再京'V,方;’‘;.-.奇":掉輪皆-點v'说讀酷端药捉V.郑讓帮:暫.‘'’苗界‘V.V巧;;纖'?一'‘;\,7'

2、_V;—\’妾锅电解生卢指标标杆优化方法研究/一气.?…',:,,、V、、?,、‘??,-,--,*'巧、_‘—、",l?V从J。J:;‘:<,,,乃挺八心;:、哀;—一'‘'‘心,八r‘气、、>乎八;?’V片/'令‘;''?,、?^*,古I?'*‘'>\少f,-、‘>、v,’,知*?*'&、V■^户、'*、'.--、.、"产,*户''?'‘、-学生姓^杨

3、常辉、 ̄ ̄/ ̄ ̄^’'一、,《;>1.,:?:?V,V2013312120112、学号、\'?‘,’'人<占/、)V:学科(专业学位、计算机科学与技术;.,''。户:,,f?‘.-t,-\i、:义'’t’?.、’,f</,片二研究方向数据挖掘.、、、,’"、一?、导.卿林满山t.:—?、?、'>'一,、V巧、,、,?k。-’".兴—乂r/’.fVV:—一;:八—一"、、V’、户?三、’、‘

4、V媒1'爲V:易倫碱*‘点’'、、巧'*、、,‘‘‘,"'’’叩作/',*?r成-/作>人,:少;:;為:,;,、1焉"、‘、、…、?-.、’-,二:’;..、/;、."税辨栽—品r;、*:?、h:,--,'<、,'、二;、、占i-畔端**\\、,、,,iff八、*?■,、,‘-"?、■、产、,—:、<w?V/V;?一人一丫:公-护早;.与較續;;瓦兴北方工业大学学位论文原创性声明:本人郑重声明所呈交的学位

5、论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中己经注明引用的内容外,本论文不含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均己在文中W明确方式标明。本人完全意识到本声明的法律结果由本人承担。^学位论文作者签名:日期:7^年月日'学位论文使用授权书学位论文作者完全了解北方工业大学有关保留和使用学位论文的规定,艮P:研巧生在校攻读学位期间论文工作的知识产权单位属北方工业大学。学校有权保留并向国家有关部口或机构送交

6、论文的复印件和电子版,允许学位论文被查阅和借阅;学校可W公布学位论文的全部或部分内容,可W允许采用影印、缩印或其它复制手段保存、汇编学位论文(保密的学位论文在解密后适用于本授权书。)□保密论文注释:经本人申请,学校批准,本学位论文定为保密论文,密级,;年,:期限自年月日起至年月日止,解密后适用本授权书。/,适用本授权书囚非保密论文注释:本学位论文不属于保密范围。L、本人签名;續麟日期:斬\导师签名:日期;L铅电解生产指标标杆优化方法研究摘要

7、铅电解行业作为我国的支柱型产业,对经济増长和社会稳定都有着重大的影响。然而错电解行业在实施标杆管理的过程主要存在的问题是标杆主要依据W往工作经验人工设定,比如全球最佳、行业最佳、企业最佳等。由于这些标杆产生需要一定的环境,具有不确定性和偶然性,因此需要我们深入研究数据挖掘W及现代计算机技术进行企业生产数据分析预测,取得适合企业自身标杆数据。、本文深入学习标杆优化相关知识,包括模糊聚类分析BP神经网络W及粒子群优化算法(PSO)等相关理论。在理论基础上对粒子群优化算法进行改进,

8、一提出基于交叉变异的自适应粒子群优化算法(MAPSO)。设计实现套对标管理系统:,并引入MAPSO算法对标杆进行优化选取。本文的主要内容和工作如下1)研究学习数据挖掘、人工智能等相关理论。运用模糊聚类分析进行数据预处理;通过BP神经网络对样本的训练学习,预测企业生产水平;结合PSO算法,优化BP神经网络结构,提高准确性。。。改进PSO算法,提出MAPSO算法在PSO算法中引入遗传算法中选择、,并定义了惯性权重自适应调节功能交叉及

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。