在介绍盒子模型时已经指出,对于总体中具有某种特性 的单元所占比例的抽样调查,可建立0-1盒子模型。N个 具有某种特性的单元相应的票上全标上1,其余全标上0

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

1.问题的提出 用插值的方法对这一函数进 行近似,要求所得到的插值多项式 经过已知的这n+1个插值节点; 在n比较大的情况下,插值多项式 往往是高次多项式,这也就容易出 现振荡现象(龙格现象),即虽然 在插值节点上没有误差,但在插值 节点之外插值误差变得很大,从 “整体”上看,插值逼近效果将变 得“很差”。于是,我们采用函数 逼近的方法

习题一 1.设 x>0,x*的相对误差为 δ，求 f(x)=ln x 的误差限

随着物联网技术的发展，前端传感器的使用使得低合金钢的海水腐蚀监测成为了现实，从而获得了大量的腐蚀数据。针对传统均值法处理双率腐蚀数据带来的数据信息损失以及建模精度下降问题，提出了一种基于综合指标值(CIV)和改进相关向量回归(IRVR)的双率腐蚀数据处理和建模算法(CIV-IRVR)。首先，通过构建CIV表征输入数据的综合影响并采用天牛须搜索(BAS)算法对其参数进行寻优；然后，建立最优CIV序列与输出数据间的线性回归模型将双率数据转化为建模用的单率数据，能够更多地保留原始数据信息；最后，给出了一种BAS算法优化的具有组合核函数的改进相关向量回归建模方法(IRVR)，并建立了针对低合金钢海水腐蚀双率数据的CIV-IRVR预测模型。结果表明：相比于均值方法处理双率腐蚀数据，所提方法将建模样本数量由196提升到了1834；相比于海水腐蚀建模领域常用的人工神经网络(ANN)和支持向量回归(SVR)建模方法，所提模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(CD)分别为1.1914 mV、1.5729 mV以及0.9963，在各项指标上均优于对比算法，说明所提模型不仅减少了信息损失还提高了建模精度，对于双率海水腐蚀数据建模具有一定现实意义

7.4 无误差编码技术 Lossless Compression Techniques 7.5 有误差编码技术——映射器

一、长期均衡关系与协整 二、协整检验 三、误差修正模型

选取某4000 m3级别高炉2014年至2019年时间范围内的日平均数据，以铁水温度为目标函数，首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理，获取了显著影响铁水温度的正负相关性特征参量。在此基础上，基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型，模型均可对铁水温度实现有效预测，基于支持向量回归算法构建的预测模型较优，预测平均绝对误差为4.33 ℃，±10 ℃误差范围内的命中率为94.0%

分析了影响转炉冶炼终点钢水中锰含量的因素, 针对基于BP神经网络算法的转炉冶炼终点锰含量预测模型存在的收敛速度慢, 预测精度低等问题, 提出了一种基于极限学习机(ELM) 算法建模的新思路, 并引入正则化以及改进粒子群优化算法(IPSO), 建立了基于改进粒子群算法优化的正则化极限学习机(IPSO-RELM) 的转炉终点锰含量预测模型; 应用国内某炼钢厂转炉实际生产数据对模型进行训练和验证, 并与基于BP、ELM和RELM算法的三类模型进行比较.结果表明, 采用IPSO-RELM方法构建的模型, 锰含量预测误差在±0. 025%范围内的命中率达到94%, 均方误差为2. 18×10-8, 拟合优度R2为0. 72, 上述三项指标均显著优于其他三类模型, 此外, 该模型还具有良好的泛化能力, 对于转炉实际冶炼过程具有一定的指导意义

研究了含有大范围参数不确定性离散时间被控对象的加权多模型自适应控制问题(包括模型集构建和加权算法分析).通过构建含有自校正模型和多个固定模型的模型集覆盖并逼近被控对象,在模型输出误差可分的前提下,采用基于模型输出误差性能指标的加权算法,并依据固定模型中是否包含真实被控对象模型的不同情形分析加权算法的收敛性.在权值收敛的前提下,利用虚拟等价系统理论,分析了参数未知线性时不变和参数跳变的情形,在不依赖于特定局部控制算法的基础上,证明了此种模型集构建下的加权多模型自适应控制系统的稳定性和收敛性,放宽了先期加权多模型自适应控制系统稳定性分析中关于模型集构建的约束条件.最终,通过计算机MATLAB仿真,验证了此类加权多模型自适应控制系统的收敛性和闭环稳定性