◼ 计划职能的概念、性质及其重要性 ◼ 计划与预测的关系 ◼ 制定计划的程序与原理 ◼ 预测的含义、分类、方法及特点 ◼ 决策的含义及分类 ◼ 影响科学决策的因素

提出了一种轧机偏心特性曲线概念.基于偏心测试信号的循环统计量建立线性预测模型,在线确定轧机偏心补偿量数据,实现轧机偏心的实时直接数据补偿控制.该方法能够准确反映并跟踪轧机偏心扰动的实际变化,满足对轧机偏心信号进行在线实时补偿控制的要求

背景 MDPs 强化学习问题 蒙特卡洛方法 (Monte Carlo Methods) 蒙特卡洛预测（Monte Carlo Prediction） 蒙特卡洛控制（Monte Carlo Control） 时序差分学习 (Temporal-Difference Learning) 时序差分预测（TD Prediction） 时序差分控制（TD Control） Sarsa：on-policy Q-learning : off-policy 策略梯度 (Policy Gradient) Monte-Carlo Policy Gradient Actor-Critic Policy Gradient 深度强化学习 Deep Q-Networks (DQN) Policy Gradients for Deep Reinforcement Learning

利用神经网络结构计算方法对岩石基复合材料支护大尺度采空区动力损伤演化趋势进行统计和预测,并与工程现场多种方法的综合监测数据进行了比较,其结果完全吻合

尾砂胶结充填体作为一种水泥基多相复合材料,其单轴抗压强度与超声波波速受水泥含量、固体质量分数、试件形态等因素影响.通过制备三种形态(7.07 cm×7.07 cm×7.07 cm立方体,Φ5 cm×10 cm圆柱体和Φ7 cm×14 cm圆柱体)的试件并进行单轴抗压强度试验和声波波速测试,对充填体强度和波速受水泥含量、固体质量分数和试件形态影响的规律进行了灰色-关联度分析.结果表明:水泥含量是影响强度的关键核心因素,关联度为0.837;固体质量分数是影响波速的关键核心因素,关联度为0.712.建立了充填体强度-波速指数函数预测模型和BP神经网络预测模型,通过对两种预测模型进行统计分析的F检验和t检验验证了两种方法在充填体强度预测的可行性,为胶结充填体的强度预测提供了新方法

利用灰色关联度分析方法,研究了与石钢煤气发生、消耗相关联的因素,根据煤气发生、消耗量与其相关影响因素间的关系建立了石钢煤气预测模型,并在此基础上开发了石钢煤气优化系统,实现了煤气资源的合理利用与分配

在监控自动厚度控制(AGC)系统基础上,增加一个压力AGC副回路控制.基于Smith预估模型,采用串级控制方式以综合使用监控AGC与压力AGC.副回路采用PID调节方式,主回路基于广义预测控制(GPC)算法求解控制器.由于增加了副回路控制,对进入副回路的干扰有超前抑制作用,因而减少干扰对主变量的影响,提高了抗干扰能力,从而改善了过程的动态特性.仿真结果表明该方法是可行性的,具有较好的控制性能

利用青海省安全监督管理局数据库近六年以来矿山事故数据,采用信息扩散理论,从矿山事故概率和矿山事故人员死亡概率两个方面对高海拔、寒、旱地区矿山事故进行风险分析,建立了适合本地区特殊要求的矿山事故分析模型.分析模型、参数和预测结果均与实际情况吻合,说明应用信息扩散对高海拔、寒、旱地区矿山事故进行风险分析,能够预测出该地区矿山企业年均发生事故的概率及矿山事故人员死亡概率

作为炼钢厂的关键设备，风机担负着转炉除尘和煤气回收的重要任务，实现风机剩余使用寿命的准确预测具有重要的实际意义.通过对邯郸某炼钢厂风机振动数据的分析，建立了基于Wiener过程的状态退化模型，在首达时间的意义下，推导出风机剩余使用寿命的概率密度函数的解析表达式，提出了一种基于极大似然估计的参数实时估计方法，从而实现风机剩余使用寿命的在线实时预测.实验结果表明，相对于文献中的方法，本文所提出的预测方法可以得到更高的预测精度和较低的预测不确定性

以国内某钢厂一30 t LF精炼炉为研究对象,通过建立由传热机理模型和黑箱模型相结合的灰箱模型对LF精炼终点温度进行了预测.首先根据能量守恒定律建立了传热机理模型.针对包衬耐材的蓄热以及合金的热效应难以精确计算的问题,采用偏最小二乘黑箱模型对这一部分温度进行了处理,最后将两种模型相结合综合预测了LF钢包精炼的终点温度.结果表明,偏最小二乘法在预测包衬的耐材蓄热和合金热方面的温度误差在±5℃以内的命中率达到97%以上,总的灰箱模型预测LF精炼终点温度误差在±5、±8、±10℃以内的命中率分别达到88%、96%和99%,模型具有较高的预测精度.研究可为该钢厂的LF精炼工艺提供指导