为了满足某厂1580热连轧机宽度控制精度需求,提高宽展模型的广泛适用性,利用ANSYS/LS-DYNA有限元软件,对热轧粗轧区立轧-平轧过程进行了模拟.根据模拟数据,系统地分析了轧件宽度、厚度、轧辊直径、立辊侧压量和厚度压下量对\狗骨\宽展、自然宽展和绝对宽展的影响规律.利用模拟数据并结合现场数据构造了FES(finite element simulation)\狗骨\宽展模型和自然宽展模型,并建立了PSO-BP神经网络(粒子群BP神经网络).最后,FES宽展模型与PSO-BP神经网络相结合预报第1、3和5道次的宽展,其预报值与实测值误差在1mm以内的均达到了99%以上,达到了宽度控制的精度要求

针对烧结过程生产实际,运用神经网络中的BP学习算法设计了分类器,用于在线推断烧结矿的质量。为了加快BP学习算法的收敛速度,采用了自适应变步长学习算法。实验结果表明,由此建立的烧结过程神经网络质量预报模型,预报正确率高,具有很好的泛化能力

针对我国高炉的检测水平,采用人工神经网络的方法建立了一种用于铁水含硅量预报的神经网络模型。该模型具有良好的适应性和自学习功能

以生产条件下采集的数据为基础,采用理论解析与统计分析相结合的方法,建立了角钢连轧的温度预报模型与切分孔轧制力模型。提出了采用离散化与函数拟合相结合的方法简化型钢轧制的工艺模型

黏度是冶金熔渣的基本物理性质，其大小直接影响到反应速率、熔渣分离效果等冶炼过程。通过深入探索熔渣黏度与其结构的关系，在分析熔渣黏度与其(NBO/T)比值（即单个聚合物粒子所拥有的非桥氧数量）相互关系的基础上，本文提出基于（NBO/T）比值的多元熔渣黏度计算模型。首先建立SiO2–∑MxO简单渣系的黏度计算模型，通过拟合纯氧化物和SiO2–MxO二元渣系的黏度数据得到模型参数，拟合平均误差在9%～18.5%之间；随后将该模型扩展至SiO2–Al2O3–∑MxO多元渣系的黏度计算，针对Al2O3在熔渣中同时表现出酸性氧化物和碱性氧化物的特点，在计算SiO2–Al2O3–MxO三元渣系黏度时，将其中的Al2O3拆分为酸性物质和碱性物质来计算（NBO/T）比值和黏度活化能。在SiO2–MxO二元系模型参数的基础上，通过拟合SiO2–Al2O3–MxO三元渣系的黏度数据得到含Al2O3渣系的模型参数，拟合平均误差在10%～25%之间。利用该模型计算了SiO2–Al2O3–CaO–MgO–FeO–Na2O–K2O–Li2O–BaO–SrO–MnO多元复杂渣系及其子体系的黏度值，计算平均误差在25%以内，取得了较好的预报效果。本模型基于熔渣结构理论，并借鉴了经验模型的数据处理方式，在预报效果和适用范围上都优于传统经验模型，在计算方式上比结构模型要简单

一、基本方程 设:H=1000hpa位势高度(地面气压) H=高空平均层位势高度(500hpa)

运动学法——利用变压、变高的分布特点,通过运动学公 式,预测系统未来的移动的变化 一、系统移动的运动学公式 取固定坐标系——固定于地表,以速度运动的质点

逐步回归实例分析 y:伊犁河年平均流量(1975) X1各预报因子,其含义见P64,数据见P66表4-7 资料年限:1953—1974年n=22 一、计算原始增广矩阵

在地下水资源预报中,经常碰到两种类型的变量关系。一类是确定性的函数关系,如一口井的抽水量和水位降这两个变量关系,就满足一一对应的 函数关系。另一类是非确定性的依赖关系,如一个开采区的开采量和降深的关系,虽然是相互依赖的,降深大开采量也多,但变量关系不是确定的,对 应同样降深的开采量不一定完全相等,找不到任何函数可以表示这类变量关系。此外,开采量和降雨量的关系,开采量和地表水侧渗量或灌水回渗量的 关系等,也都有类似的性质,这类既有依赖又不确定的变量关系,统称为相关关系。 相关分析法就是研究上述变量的相关关系,建立回归方程,并用来预报开采量的方法

MJO与ENSO的关系、MO的数值模拟(预报)以及MJO对天气气候的影响是近些年来国内外大气科学研究的重要前沿问题。本文将综合介绍国内有关MJO对天气气候的影响以及MJO的数值模拟(预报)方面的近期研究进展