◼ 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

对于那些无法用数学方程式表述的复杂生产过程,提出一种基于模式识别原理的智能自动化新方法.该方法的基本点在于:从信息的角度出发,采用特征变量来描述过程工况,再用时间序列分析法建立预测模型,从而实现工艺最优化.还介绍了专门为此目的研制的红外线CCD热成像装置,并给出了建立预测模型的神经网络算法

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

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

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好

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

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

根据有关政策、法规和通化地区生态环境及经济结构等因素,选择5类4层24项指标,构成通化地区可持续发展度指标体系.采用专家评分方法,建立层次加权组合法的多指标综合测算模型,预测评价通化地区钢铁工业对生态环境和社会经济的影响,并对2010年和2020年通化地区可持续发展度给出了定量评价,验证各项指标的合理性

针对电加热炉多变量系统存在大惯性、慢时变、非线性及交叉耦合严重等特点,提出采用基于非参数模型的动态矩阵控制方法,并用预测补偿的思想进行解耦设计,使解耦设计大为简化.实时控制表明这种算法对多变量系统是有效的