基于某多元回归地炉龄问题地实现2.0.pdf

word 题目： 基于多元回归的炉龄问题的实现 成员信息： 班级 学号 队长 队员&辩论人 1 / 33 word 日期：2019 年 12 月 30 日 摘要 工业生产在生产出产品的同时，也生产出大量关于生产过程的信息。应充分 利用这些信息并在此根底上寻求如何才能使生产得到进一步改善的方法。 因为钢 铁生产过程特别复杂，出现的因素特别多，各因素间又相互牵连 [1] 。因此找出某 一时期影响某一实际问题的最主要原因， 提供优化决策， 不仅对生产技术管理有 很 大的参考价值，而且也有助于积累经验，还对机理性问题的研究具有启发和 促进作用。 现有某钢铁公司炼钢转炉的炉龄按 30 天炉/ 天炼钢规模， 大约一个月就需等 炉一次进展检修。为了减少消耗，厂家通过实际测定，得到 33 组数据。要求对 炉龄进展预测和分析。 本文针对此问题， 进展分析并建立适宜的数学模型， 为解 决炉龄问题提供方案。 针对问题一，分析各个因素横向之间以与各个因素纵向部数据之间的关系， 采用灰度预测模型，将缺失的数据进展补全。 针对问题二， 通过主成分分析法找出与影响炉龄的主要因素， 剔除对炉龄影 响较小的因素。建立以多个影响因素为自变量和以炉龄为因变量的多元线性回归 模型，并且建立了支持向量机的回归模型。 2 / 33 word 针对问题三，对于 多元线性回归模型，主要考虑其预测的残差来 分析 模型的 可靠性，模型预测残差的分布越没有趋势， 表示回归的结果越是可靠， 所以多元 线性回归模型对本问题有一定的适用性。对于支持向量机回归模型，将其与 BP 神经网络进展比照，发现其性能明显优于 BP神经网络。 针对问题四，分析找出对转炉寿命影响较大的因素为喷补料量、炼钢时间和 渣中含铁量， 并将设计延长炉龄方案时重点放在这三个因素。 关键词 ：转炉炉龄 灰度预测 多元线性型回归 支持向量机 目录 一、问题重述 4 4 5 二、问题的分析 5 三、根本假设 6 四、符号说明 6 五、问题一的模型建立与求解 7 3 / 33 word 7 5.2 模型的建立与求解 7 六、问题二的模型建立与求解