对鞍钢冷轧厂四机架冷连轧机轧制压力模型进行了认真分析,指出了其存在的缺陷.把遗传算法(GeneticAlgorithms,简称GA)和神经网络有机结合,设计出了具有遗传算法性能参数优选、网络结构参数优选、网络性能参数优选以及GA-BP算法联合进行网络权值修改几种功能的遗传神经网络,建立了基于遗传神经网络的新冲连轧机轧制压力模型.通过原模型计算值、新模型计算值与实测值之间的对比分析可知,遗传神经网络模型计算精度优于传统轧制力模型

一、时间序列模型的基本概念及其适用性 二、随机时间序列模型的平稳性条件 三、随机时间序列模型的识别 四、随机时间序列模型的估计 五、随机时间序列模型的检验

• 一、时间序列模型的基本概念及其适用性 • 二、随机时间序列模型的平稳性条件 • 三、随机时间序列模型的识别 • 四、随机时间序列模型的估计 • 五、随机时间序列模型的检验

• 一、时间序列模型的基本概念及其适用性 • 二、随机时间序列模型的平稳性条件 • 三、随机时间序列模型的识别 • 四、随机时间序列模型的估计 • 五、随机时间序列模型的检验

一、时间序列模型的基本概念及其适用性 二、随机时间序列模型的平稳性条件 三、随机时间序列模型的识别 四、随机时间序列模型的估计 五、随机时间序列模型的检验

一、时间序列模型的基本概念及其适用性 二、随机时间序列模型的平稳性条件 三、随机时间序列模型的识别 四、随机时间序列模型的估计 五、随机时间序列模型的检验

 方法性工具  差分运算  延迟算子  线性差分方程  ARMA模型  AR模型（Auto Regression Model）  MA模型（Moving Average Model）  ARMA模型（Auto Regression Moving Average model）  平稳序列建模  序列预测  建模步骤  模型识别  参数估计  模型检验  模型优化  序列预测

铝电解过程阳极气泡的生长机理、运动规律及对电解质运动的影响对电解槽的稳定运行有非常重要的作用。研究铝电解槽阳极气泡，最重要的是能够直接观察到阳极气泡的生长和运动规律。为了实现电解槽中气泡行为的可视化，目前国内外学者建立了各种模型来研究电解过程中气泡的特性，其中主要的研究模型为室温水模型、低温电解模型、高温电解模型和数值模拟模型。对这四种模型的研究现状进行了分析，展望了其发展前景

• 几个重要概念 • 以要素之间替代性质的描述为线索的生产函数模型的发展 • 以技术要素的描述为线索的生产函数模型的发展 • 几个重要生产函数模型的参数估计方法 • 生产函数模型在技术进步分析中的应用 • 建立生产函数模型中的数据质量问题

针对材料在自然土壤环境中的腐蚀预测问题,提出应用多层线性模型对材料的腐蚀规律进行研究.多层线性模型是分析具有层次结构数据的新型统计技术,对于地区间土壤腐蚀规律的差异性特点和单地区实验观测样本不足的问题,可以为不同的区域分别建立腐蚀率模型,使模型假设与实际更为吻合.以碳钢在土壤中的腐蚀数据为研究对象,建立了腐蚀率的多层线性模型.实验验证了该模型可以准确地拟合和预测碳钢在土壤的腐蚀率变化,优于指数平滑算法和差分自回归移动平均算法