本文主要研究内容
作者车晴,刘杰文,张艺馨（2019）在《基于Elman神经网络和灰色预测模型的钢铁冶炼的研究》一文中研究指出：本论文主要通过排查数据并用Lagrange插值法完善数据,得到合金收得率降低钢铁厂钢水脱氧合金化成本并给出建议,利用灰色关联度分析并利用合金收得率公式计算C,Mn收得率,用Elman神经网络和GM(1,1)灰色预测模型预测优化C,Mn的收得率,利用微粒群算法给予优化成本的计算,给出配料方案和建议。
Abstract
ben lun wen zhu yao tong guo pai cha shu ju bing yong Lagrangecha zhi fa wan shan shu ju ,de dao ge jin shou de lv jiang di gang tie an gang shui tuo yang ge jin hua cheng ben bing gei chu jian yi ,li yong hui se guan lian du fen xi bing li yong ge jin shou de lv gong shi ji suan C,Mnshou de lv ,yong Elmanshen jing wang lao he GM(1,1)hui se yu ce mo xing yu ce you hua C,Mnde shou de lv ,li yong wei li qun suan fa gei yu you hua cheng ben de ji suan ,gei chu pei liao fang an he jian yi 。
论文参考文献
论文详细介绍
论文作者分别是来自数码世界的车晴,刘杰文,张艺馨，发表于刊物数码世界2019年12期论文，是一篇关于插值法论文,灰色关联度分析论文,神经网络论文,数码世界2019年12期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自数码世界2019年12期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：插值法论文; 灰色关联度分析论文; 神经网络论文; 数码世界2019年12期论文;