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

采用粉末注射成形-无压熔渗相结合技术制备出了电子封装用高体积分数SiCp/Al复合材料.重点研究了SiC粒径、体积分数以及粒径大小等颗粒特性对所制备复合材料热物理性能的影响规律.研究结果表明,SiCp/Al复合材料的热导率随SiC粒径的增大和体积分数的增加而增加;SiC粒径的大小对复合材料的热膨胀系数(CTE)没有显著的影响,而其体积分数对CTE的影响较大.CTE随着SiC颗粒体积分数的增加而减小,CTE实验值与基于Turner模型的预测值比较接近.通过对不同粒径的SiC粉末进行级配,可以实现体积分数在53%~68%、CTE(20~100℃)在7.8×10-6~5.4×10-6K-1、热导率在140~190W·m·K-1范围内变化

第一节 灰色系统的概念与基本原理 一、灰色系统理论产生和发展动态 二、几种不确定方法的比较 三、灰色系统理论的基本概念 四、灰色系统理论的基本原理 五、灰色系统理论的主要内容及特点 六、灰数 第二节 序列算子与灰色序列生成 一、冲击扰动系统与序列算子 二、缓冲算子公理 三、实用缓冲算子的构造 四、均值生成算子 五、序列的光滑性 六、级比生成算子 七、累计生成算子与累减生成算子 八、灰指数律 第三节 灰色关联分析 一、灰色关联因素和关联算子集 二、灰色关联公理与灰色关联度 三、灰色关联分析的应用举例 四、广义灰色关联度 五、灰色相对关联度 六、灰色综合关联度 第四节 灰色系统模型 一、GM(1,1)模型 二、残差 GM(1,1)模型 三、灰色系统模型的检验 四、应用举例 第五节 灰色系统预测 一、灰色预测概述 二、数列预测 三、古树屋边坡变形预测

通过测量大庆地区区域土壤的理化性质以及碳钢的短期腐蚀数据,分析土壤传质过程的逻辑关系,构建了碳钢短期土壤腐蚀预测模型.通过用该模型在BP人工神经网络中进行学习、训练及模拟,并与现场碳钢埋片腐蚀实验结果对比,进一步验证了腐蚀模型的合理性.结果表明:含水量、空气容量、pH、Cl-含量、SO42-含量和可溶盐总量六种土壤环境参数为影响区域土壤中碳钢腐蚀的主要因素;运用基于Matlab平台的人工神经网络,通过不断地积累土壤腐蚀信息,多次训练后可以建立起稳定性好、泛化能力强的土壤腐蚀预测模型,能较好地预测了大庆地区碳钢在土壤中的腐蚀速率

4 奇异值分解 4.1 奇异值，奇异向量和奇异值分解 4.2 奇异值基本性质 4.3 奇异值更多性质 ∗ 5 线性最小二乘问题的求解方法 5.1 正规方程法 5.2 QR 分解法 5.3 奇异值分解法 6 最小二乘问题的推广及其应用 ∗ 6.1 正则化与加权正则化 6.2 约束最小二乘 6.3 多项式数据拟合 6.4 线性预测 6.5 信号恢复 6.6 SVD：图像压缩 — 截断 SVD 6.7 SVD：图像配准 Rigid Alignment / Shape Registration

重要的专业基础课，是计量经济学、抽样调查、市场调查、多元统计、统计预测与决策、时间序列分析、国民经济核算、数据处理与数据分析等专业主干课的学习基础

高含泥尾矿由于其屈服应力大的特点，流动性能差，不利于管道输送.为改善流动性能，设计流变特性试验，对泵送剂影响高含泥膏体流变特性的机理进行分析.研究结果表明，膏体在不同泵送剂添加量情况下，浆体质量分数与屈服应力之间存在显著的线性关系.对该线性函数作进一步分析，发现泵送剂添加量与该函数的截距和斜率之间存在显著的指数关系.最终得出不同泵送剂添加量和浆体质量分数情况下的屈服应力预测函数，能够有效表征泵送剂对高含泥膏体流变特性的影响，有利于泵送剂添加量的预测与膏体流动性能的控制.基于上述预测模型，提出泵送剂对高含泥膏体流变特性的影响机理.通过环境扫描电镜（ESEM）发现泵送剂破坏了絮团结构，添加量在1%左右时破坏最明显.泵送剂使得絮团尺寸变小，进而造成屈服应力的降低；后期由于絮团间距增加，絮团间的作用力削弱，絮团结构破坏速度放缓，与理论分析一致

电信客户信用风险等级评估是对电信客户的信用风险进行等级分类.针对建立客户信用风险等级分类模型时,大量带有类标注数据难以获得的问题,提出了基于主动学习的分类器建模方法,并对基于QBC(委员会投票选择)的主动学习算法进行改进以提高分类器的预测精度.通过对实际电信客户数据进行信用风险等级建模实验,结果表明:应用新算法,分类器使用了较少的带类标签样本数据,达到了与被动学习相同的精度,大大降低了信用专家评估数据的工作量

通过本章学习，要求学员能够掌握行业分析方法中的转导法、回归分析法、时间序列分析法，利用历史资料的数据进行中长期的预测。掌握综合分析的方法，能够综合各研究机构的行业分析报告，得出自己的结论。 第一节 行业分析概述 第二节 上市公司行业一般特征分析 第三节 影响行业兴衰的主要因素 一、技术进行对行业的影响。 二、政府的产业政策。 三、社会倾向与市场需求。 四、经济全球化 第四节 行业分析的方法 第五节 行业分析的内容 一、行业分析的内容 二、行业分析研究报告示例

基于连铸圆坯结晶器温度与热流实测数据,建立了连铸圆坯凝固的三维传热模型,计算出结晶器和铸坯的温度场,并得到铸坯的固相率与坯壳厚度分布情况.温度计算结果与实测数据符合较好,表明此数学模型能够较为准确地反映实际情况.讨论了拉速、浇注温度等因素对坯壳厚度的影响,并对利用模型计算与经验公式计算得到的坯壳厚度进行了对比