基於工業大數據的數字化煉鐵技術 唐玨 儲滿生 石泉 9787524000143 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202412*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：基於工業大數據的數字化煉鐵技術
ISBN：9787524000143
出版社：冶金工業
著編譯者：唐玨 儲滿生 石泉
頁數：196
所在地：中國大陸 *此為代購商品
書號：1702817
可大量預訂，請先連絡。

內容簡介

本書系統介紹了高爐煉鐵過程「原燃料—操作—爐況—渣鐵」全鏈條數據治理方法、時滯性與關聯規則挖掘方法、數據與機理融合模型構建方法、關鍵指標狀態評價與趨勢預測方法以及多目標智能協同優化決策機制等內容。 本書可以作為高等學校冶金類、材料類、計算機等相關專業的教學參考書，也可以作為從事高爐煉鐵工藝、數字化與智能化工作的工程技術人員科研人員加深理解高爐煉鐵數字化建模及其應用技術的參考用書。

目錄

1 概述
1 1 大數據技術的發展
1 1 1 數據挖掘的發展
1 1 2 人工智能的發展
1 1 3 機器學習算法
1 2 鋼鐵生產數字化轉型
1 3 高爐生產工藝及數據特點
1 3 1 高爐生產工藝
1 3 2 高爐數據特點
1 4 智能化高爐技術發展現狀
1 4 1 高爐數據預處理
1 4 2 高爐參數時滯性和關聯性分析
1 4 3 高爐爐況關鍵指標分析與預測
1 4 4 高爐參數優化
1 4 5 國內外鋼鐵企業智能化高爐技術應用現狀
參考文獻
2 高爐生產過程數據治理
2 1 高爐數據資源梳理
2 1 1 原燃料類參數
2 1 2 工藝操作類參數
2 1 3 冶鍊狀態類參數
2 1 4 渣鐵類參數
2 2 高爐數據科學治理
2 2 1 高爐缺失數據處理
2 2 2 高爐異常數據識別與處理
2 2 3 高爐不同頻次數據整合
2 2 4 高爐高維屬性約簡
2 2 5 高爐參數時滯性分析
2 3 高爐數據可視化
2 3 1 一維數據可視化分析
2 3 2 二維數據可視化分析
2 3 3 多維數據可視化分析
參考文獻
3 高爐生產過程數據挖掘
3 1 離散型數據的高爐參數關聯規則挖掘
3 1 1 關聯規則挖掘
3 1 2 FP-Growth算法
3 1 3 基於FP-Growth算法的高爐參數關聯規則挖掘
3 2 時序型數據的高爐參數關聯規則挖掘
3 2 1 燒結SiO7含量與K值的關聯規則挖掘
3 2 2 鐵水測溫與熱負荷的關聯規則挖掘
3 2 3 爐身靜壓與熱負荷的關聯規則挖掘
3 3 高爐參數關聯規則庫的建立
參考文獻
4 高爐布料模擬模型及其應用
4 1 高爐布料模擬模型的設計
4 1 1 料流軌跡計算
4 1 2 料面形狀計算
4 1 3 布料模擬模型的設計
4 2 高爐布料模擬模型的功能
4 2 1 布料模擬可視化
4 2 2 區域焦炭負荷指數
4 2 3 爐料落點
4 3 高爐布料模擬模型的應用
參考文獻
5 數據與機理融合的高爐渣皮智能評價
5 1 銅冷卻壁有限元模型的建立
5 1 1 銅冷卻壁三維物理模型
5 1 2 銅冷卻壁數學模型
5 1 3 銅冷卻壁有限元模型
5 2 基於生死單元的高爐銅冷卻壁渣皮厚度模型
5 2 1 銅冷卻壁渣皮厚度計算方法
5 2 2 煤氣溫度對渣皮厚度的影響
5 2 3 掛渣溫度對渣皮厚度的影響
5 2 4 渣皮傳熱係數對渣皮厚度的影響
5 3 數據與機理融合的渣皮厚度實時評價模型
5 3 1 模型的建立
5 3 2 結果分析
參考文獻
6 基於機器學習的高爐關鍵爐況參數預測
6 1 爐況參數數據預處理
6 1 1 共線特徵數據處理
6 1 2 數據拆分
6 1 3 數據標準化
6 1 4 重要特徵選擇
6 2 機器學習算法優化
6 2 1 特徵工程
6 2 2 超參數調優
6 2 3 集成算法調優
6 3 基於機器學習的高爐參數預測及分析
參考文獻
7 高爐爐熱狀態的智能化預測與優化
7 1 基於渣鐵熱量指數的爐熱機理模型
7 1 1 根據物料平衡核算燃料比
7 1 2 基於熱平衡和物料平衡的渣鐵熱量指數
7 1 3 基於渣鐵熱量指數的爐熱計算
7 2 基於深度學習的高爐爐熱預測模型
7 2 1 基於時滯信息與遺傳算法的模型輸入特徵選擇
7 2 2 基於集成學習的爐熱預測模型建立
7 2 3 高爐爐熱預測模型結果分析
7 3 融合工藝知識的高爐爐熱反饋模型
7 3 1 高爐爐熱反饋模型的建立
7 3 2 高爐爐熱反饋模型結果分析
7 4 高爐爐熱狀態的智能化預測與優化模型應用
7 4 1 基於自適應更新的高爐爐熱預測在線模型
7 4 2 高爐爐熱預測與反饋模型在線應用效果
參考文獻
8 高爐爐缸活躍性智能評價—預測—反饋
8 1 基於數據驅動的高爐爐缸活躍性評價模型
8 1 1 高爐爐缸活躍性綜合指數
8 1 2 高爐爐缸活躍性評級方法
8 1 3 高爐爐缸活躍性評價模型合理性分析
8 2 基於深度學習與集成學習爐缸活躍性預測模型
8 2 1 基於時滯信息與遺傳算法的爐缸活躍性預測模型輸入特徵選擇
8 2 2 基於深度學習與集成學習的爐缸活躍性預測模型
8 2 3 高爐爐缸活躍性預測模型結果分析
8 3 融合工藝知識的爐缸活躍性反饋模型
8 3 1 爐缸活躍性反饋模型的建立
8 3 2 爐缸活躍性反饋模型結果分析
8 4 高爐爐缸活躍性評價、預測與反饋模型在線應用
8 4 1 基於自適應更新的高爐爐缸活躍性在線應用模型
8 4 2 高爐爐缸活躍性評價、預測與反饋在線應用效果
參考文獻
9 基於機器學習和遺傳算法的高爐參數多目標優化
9 1 基於機器學習的高爐布料參數多目標優化
9 1 1 布料角度設定方式
9 1 2 布料參數調整方式
9 1 3 不同布料參數調整方式下爐況參數預測
9 1 4 不同布料參數調整方式下預測結果評估
9 1 5 高爐布料參數迭代尋優
9 2 基於機器學習的高爐控制
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。