为解决矿床仿真构模中对矿床几何信息描述和属性信息描述中存在的模型分离问题,采用体视化技术,建立了体矿床模型.通过分析矿床体视化仿真中的数据流程,建立了表现矿体空间分布、矿体中重点区域、矿体剖切分层的三类体模型,并实现了直接基于体模型的矿石储量、金属量的计算工作.经实例分析表明,利用体矿床建模技术,不仅能够进行矿床属性的定性分析,而且便于进行定量计算,为完善矿床建模技术提供了一条途径

为了以有限的实验数据确定预应力锚杆布置的合理间距,结合山东省境内的104国道界河立交桥加筋土挡土墙的失稳加固工程实例,首先通过最小二乘支持向量机拟合优化对象与优化目标之间的复杂函数关系建立模型,然后采用现场实验数据样本进行模型训练,最后采用人工鱼群算法对模型进行优化,获得合理的布置间距,并通过加固效果监测验证了参数的合理性.结果表明,该法具有建模容易、收敛快和计算精度高等特点,说明该模型是合理可行的

采用BP神经网络原理对1350mm铝箔轧机轧制数据重新处理，建立了基于人工神经网络的轧制力模型.结果表明，用人工神经网络轧制力模型的计算值与实测值相比较偏差<3%.该模型较真实地反映了轧制过程的特征

根据300t钢包RH真空处理超低碳铝镇静钢的实验数据,建立了RH处理过程钢中总氧含量的预测模型,得到了钢中氧含量的预测公式.模型综合考虑了处理时间、真空室吹氩流量、钢水环流量、浸渍管直径和钢包渣中(FeO+MnO)含量等因素对总氧含量的影响,并对改进RH处理工艺进行了讨论.模型分析表明,促进夹杂物上浮的手段有增大吹氩流量、增加浸渍管直径,但都有一个合适的范围

以某钢厂1580热连轧生产数据为基础,提出一种有限元与神经网络集成建模的方法.该方法首先对轧制过程的塑性变形进行有限元建模,然后结合有限元数值分析方法和智能技术的优点,实现有限元和神经网络的集成建模.集成模型中的神经网络模型为有限元模型提供参数调整的依据,并且在神经网络训练过程中使用改进的混沌粒子群优化算法对神经网络进行优化.通过与现场实际生产数据进行比较,验证了该模型的有效性

5.1 基本概念 5.2 从ER图到关系模型设计的转换 5.3 从IDEF1x图到关系模型设计的转换 5.4 从ODL设计到关系模型设计的转换 5.5 本章小结

浮选回收率是金矿选矿过程重要的生产指标，目前主要是通过人工化验的方法检测获得，人工检测周期较长，造成金矿厂不能及时把握浮选工艺水平.在大量现场生产数据的基础上，分别采用多元线性回归和BP神经网络的方法，建立了金矿厂浮选回收率的预测模型.预测误差分析表明，BP神经网络预测模型能较好地预测金矿厂的浮选回收率，当预测相对误差在±3%范围内时，模型的预测精度达到91%，对于实际生产具有良好的参考作用

一、掌握系统分析的原则及流程;了解系统调查的方法;掌握需求分析的方法。 二、掌握概念数据模型的议计方法;了解编码模型设计的原则、方法;了解功能模型设计的方法。 三、了解系统分析报告的内容

6.3.1 超文本技术的发展与应用 6.3.2 超文本与超媒体概念 6.3.3 超文本组成要素 6.4 超文本系统的结构模型 6.4.1 Combell & Goodman模型 6.4.2 Dexter模型 6.4.3 其它超文本模型

基于混合整数线性规划,以操作成本最小为目标函数建立了富余煤气优化分配模型.与前人的优化模型相比,本文模型选取了较短的时间步长,并考虑了锅炉权重因子及煤气柜权重因子对优化结果的影响.根据国内某钢铁企业生产数据进行计算,发现优化结果对煤气柜权重因子和锅炉权重因子敏感,因此合理确定煤气柜权重因子和锅炉权重因子十分重要.优化模拟计算与现场经验调度的结果相比,降低了煤气柜储气量波动,提高了锅炉45.9%的发电量,煤气系统运行稳定性增强