烧结优化配矿系统的研究
|
摘要
随着国内铁矿石供给不足的问题日显突出，钢铁生产所用铁矿石的来源构成发生了很大的变化，铁矿石进口比例不断提高，进口地区也日益多元化。这给如何进行烧结配矿以及如何合理组织生产带来了新的难题。
合理的配矿方案既要满足化学成分要求，又要使烧结矿产质量指标最优。针对烧结配矿的特点，建立了由化学成分约束和产质量优化组成的优化配矿模型，很好的解决如何配矿可以比较经济的满足烧结矿生产化学成分要求及在一定的产质量指标要求下如何得到多种配矿方案的难题。优化配矿模型由化学成分约束模型和产质量优化模型构成，其中产质量优化模型包含了配矿模拟模型。
针对配矿方案数据量有限、数值上变化幅度小以及存在主导因子与随从因子的特点，在BP神经网络的基础上提出了综合神经网络，提高了模型的精度。运用综合神经网络建立了配矿模拟模型，实现了在生成配矿方案时对烧结矿产质量指标的约束。同时，利用遗传算法实现了产质量优化模型。利用该模型，可以根据一定的产质量指标要求生成多组预选配矿方案。
综合运用面向对象、可视化编程、数据库ADO接口和混合编程等技术，实现了优化配矿模型的开发，编制了优化配矿系统应用软件。该软件系统具有很强的实用性和通用性。
The source of iron ore has changed a lot when the domestic iron ore can't meet the demands of Iron&Steel making .The proportion of overseas iron ore has improved incessantly and the number of quarry is increasing. In order to keep the quality of sintering cake, we must make full use of the technology .It's a new challenge in iron ore selecting and ore matching and the more flexible sintering yielding.
When the sort and the mass of iron ore have changed a lot, how can we boost the index of the sintering yield and sintering produce quality and reduce the matching cost of iron ore and improve the industrial international competence? To acclimatize ourselves to the frequent changes of iron ore, how can we get multitudinous matching project? All of these are what Iron&Steel industry cares about. In the last analysis, it concentrates these into optimal matching.
In this paper, we have analyzed the matching status quo of sintering yielding Iron&Steel industry. Based on the property of matching, a optimal matching model (OMM) is proposed to solve the difficult and challenging problem of sintering matching. With this model, we can solve the difficult and challenging problem of optimal matching. OMM is constructed by iron ore chemical composition restricted model (CCRM) and the optimal model of sintering cake yielding and mass (YMOM) .Matching Simulate Model (MSM) has been involved in YMOM.
Based on the property of matching data and the shortage of BP neural network, a integrative neural network (INN) is proposed. The results obtained from the actual prediction demonstrate that the performance and capability of the proposed INN are superior. With the appliance of INN, we construct MSM from the vast given input and output data to predict the index of yield and quality of sintering cake. With the appliance of genetic algorithm (GA), we construct YMOM simultaneously to produce multitudinous matching project. We name it hypo-optimal matching project which make it possible to get multitudinous optimal matching project.
Adopted such new technologies as object-orient , visual programming , ADO database interface and mix programming, a sintering
optimal matching software system has been developed in this paper, which facilitate the transfer of technology emerging from theoretical research of optimal matching into industrial applications.The software system consists of three parts-database managing, integrative neural network modeling platform and optimal matching platform, which are independent and secure. It can be applicated to different sintering plant and maintained easily.
合理的配矿方案既要满足化学成分要求，又要使烧结矿产质量指标最优。针对烧结配矿的特点，建立了由化学成分约束和产质量优化组成的优化配矿模型，很好的解决如何配矿可以比较经济的满足烧结矿生产化学成分要求及在一定的产质量指标要求下如何得到多种配矿方案的难题。优化配矿模型由化学成分约束模型和产质量优化模型构成，其中产质量优化模型包含了配矿模拟模型。
针对配矿方案数据量有限、数值上变化幅度小以及存在主导因子与随从因子的特点，在BP神经网络的基础上提出了综合神经网络，提高了模型的精度。运用综合神经网络建立了配矿模拟模型，实现了在生成配矿方案时对烧结矿产质量指标的约束。同时，利用遗传算法实现了产质量优化模型。利用该模型，可以根据一定的产质量指标要求生成多组预选配矿方案。
综合运用面向对象、可视化编程、数据库ADO接口和混合编程等技术，实现了优化配矿模型的开发，编制了优化配矿系统应用软件。该软件系统具有很强的实用性和通用性。
The source of iron ore has changed a lot when the domestic iron ore can't meet the demands of Iron&Steel making .The proportion of overseas iron ore has improved incessantly and the number of quarry is increasing. In order to keep the quality of sintering cake, we must make full use of the technology .It's a new challenge in iron ore selecting and ore matching and the more flexible sintering yielding.
When the sort and the mass of iron ore have changed a lot, how can we boost the index of the sintering yield and sintering produce quality and reduce the matching cost of iron ore and improve the industrial international competence? To acclimatize ourselves to the frequent changes of iron ore, how can we get multitudinous matching project? All of these are what Iron&Steel industry cares about. In the last analysis, it concentrates these into optimal matching.
In this paper, we have analyzed the matching status quo of sintering yielding Iron&Steel industry. Based on the property of matching, a optimal matching model (OMM) is proposed to solve the difficult and challenging problem of sintering matching. With this model, we can solve the difficult and challenging problem of optimal matching. OMM is constructed by iron ore chemical composition restricted model (CCRM) and the optimal model of sintering cake yielding and mass (YMOM) .Matching Simulate Model (MSM) has been involved in YMOM.
Based on the property of matching data and the shortage of BP neural network, a integrative neural network (INN) is proposed. The results obtained from the actual prediction demonstrate that the performance and capability of the proposed INN are superior. With the appliance of INN, we construct MSM from the vast given input and output data to predict the index of yield and quality of sintering cake. With the appliance of genetic algorithm (GA), we construct YMOM simultaneously to produce multitudinous matching project. We name it hypo-optimal matching project which make it possible to get multitudinous optimal matching project.
Adopted such new technologies as object-orient , visual programming , ADO database interface and mix programming, a sintering
optimal matching software system has been developed in this paper, which facilitate the transfer of technology emerging from theoretical research of optimal matching into industrial applications.The software system consists of three parts-database managing, integrative neural network modeling platform and optimal matching platform, which are independent and secure. It can be applicated to different sintering plant and maintained easily.
引文
[1] 姚培慧主编．中国铁矿志．北京：冶金总也出版社，1994
[2] 张典波，万海明，郑江．世界铁矿石资源情况及中国铁矿石供需态势．第八届全国炼铁原料学术会议论文集．莱芜钢铁集团有限公司，2003．10～14
[3] 《中国的矿产资源政策》白皮书．2003．12
[4] 徐国群．澳大利亚铁矿资源概况．烧结球团，1998，23(6)：5～9
[5] 张兴传．澳大利亚铁矿石生产考察报告．山东冶金，1996，18(3)：16～20
[6] 傅菊英，姜涛，朱德庆．烧结球团学．长沙：中南工业大学出版社，1996
[7] 樊御飞．进口铁矿石性能浅析．矿冶工程，1998．9
[8] 武轶．对进口铁矿石评价的新法初探．烧结球团，2003，28(3)：4～8
[9] 刘振林，王峰，杨金福等．烧结矿原料结构的优化与研究．山东冶金，2003，25(2)：31～34
[10] 李剑，肖华高．重钢对购入铁矿石的评价与选择．重钢技术，1999，42(2)：4～6
[11] 段祥光．复杂中国矿形成的烧结矿结构．冶金译丛，1998，(1)：1～10
[12] 余水生．越南矿等冶金性能的实验研究及合理炉料结构探讨．柳钢科技，1997，(2)：1～5
[13] Daws．PR，周节旺．铁矿石烧结技术的最新发展(二)．国外钢铁，1994，(7)：1～7
[14] 严幸，钟崇武，刘传伟等．烧结优化配矿生产实践．江西冶金，2003，23(5)：1～3
[15] 马洛文，吕勤昌．宝钢三烧结的技术进步．宝钢技术，2002，(6)：21～24
[16] 成富全．巴西细精矿用于烧结的生产实践．烧结球团，2000，25(3)：45～47
[17] 严幸，刘传伟，钟崇武等．新(余)钢优化烧结配矿的实践．烧结球团，2003，28(3)：53～55
[18] 孙俊波．几种进口铁精矿烧结实验研究及经济效益评估．鞍钢技术．1997，(1)：12～14，32
[19] 刘素丽．涟钢高炉和烧结配矿技术的发展．湖南冶金，2003，31(5)：3～9
[20] 周明顺，杜鹤桂．鞍钢进口铁矿石的技术经济分析．炼铁，2001，20(4)：26～29
[21] 杨雪峰，刘宁斌．三烧配用澳大利亚粉矿试验研究及生产实践．昆钢科技，2000，(3)：7～9，14
[22] [日]国分春生等．控制铁矿石的特性改善高炉料柱透气性．高炉炉料结构译文集，1998
[23] PauloPinheiro，杨天勇．CVRD的烧结工艺铁矿石评估方法．现代冶金，2002，(2)：4～7
[24] 吴胜利，刘宇，杜建新等．铁矿石的烧结基础特性之新概念．北京科技大学学报，2002，24(3)：254～257
[25] 吴胜利，刘宇，杜建新等．铁矿粉与CaO同化能力的试验研究．北京科技大学学报，2002，24(3)：258～261
[26] 黄天正，傅菊英．烧结球团厂设计．长沙：中南大学教材科，1995
[27] 刘素丽．基于线性规划进行优化配矿．涟钢科技与管理，2002，(6)：19-22
[28] 梁中渝，周久安．优化烧结配料分析．钢铁，2001，36(10)：12～13，29
[29] 冯建生，王秀芝．一个基于神经网络的配矿专家系统．冶金自动化，1999，(4)：7～10
[30] 李清云，宋海洋．采用数学模型法优化炉料结构．冶金丛刊，2003，(2)：25～27，32
[31] 蒋大军，石军铁矿石的价值评价与线性规划优化配料，烧结球团，1999，24(5)：44-48
[32] 李智，姚驻斌，张望兴等．基于神经网络的混匀配料优化方法．钢铁研究，2000，(4)：10～12
[33] 李智，姚驻斌，张望兴等．模拟退火算法在冶炼Mn-Si合金优化配料中的应用．钢铁研究，2000，(5)：36～39
[34] 李智，卢兰光．模拟退火优化算法在混匀配料中的应用．钢铁研究2001，(3)：38～40
[35] 李智．改进的模拟退火算法在原料矿混匀优化中的应用．矿业研究与开发，2003，23(5)：40～42
[36] 张立明．人工神经网络模型及其应用．上海：复旦大学出版社，1993
[37] 戴葵．神经网络实现技术．长沙：国防科技大学出版社，1998
[38] 尹朝庆．人工智能与专家系统．北京：中国水利水电出版社，2002
[39] 何振亚．神经智能．长沙：湖南科学技术出版社，1997
[40] 何光渝．Visual C++常用数值算法集．北京：科学出版社，2002
[41] 焦李成．神经网络系统理论．西安：西安电子科技大学出版社，1990．36～37
[42] 陈明．神经网络模型．大连：大连理工大学出版社，1995
[43] 刘宝碇，赵瑞清．随机规划与模糊规划．北京：清华大学出版社，1998．15～36
[44] 陆金桂，李谦，王浩等．遗传算法原理及其工程应用．徐州：中国矿业大学出版社，1997．1～155
[45] 胡毓达．实用多目标最优化．上海：上海科学技术出版社，1990．1～185
[46] 周明，孙树栋．遗传算法原理及应用．北京：国防工业出版社，1999
[47] 王亦文，桂卫华．基于最优组合算法的烧结终点集成预测模型．中国有色金属学报，2002，12(1)：191～195
[48] 程武山，刘长青．基于神经网络烧结终点(BTP)预测系统．计算机应用与软
件，2003，20(7)：39～40，94
[49] 张军红，谢安国，沈峰满．烧结矿质量预测中神经网络的结构优化．钢铁，2003，38(4)：6～8
[50] 张军红，谢安国．G—BP算法在烧结矿FeO指标预测中的应用．东北大学学报(自然科学版)，2002，23(11)：1073～1075
[51] 张舒，高为民．人工神经网络在烧结矿指标预测中的应用．烧结球团，2001，26(4)：6～10
[52] 郭文军，何力．基于神经网络的烧结矿化学成分超前预报．烧结球团，1997，22(5)：7～10
[53] 邵贤强，邱道尹．神经网络应用于烧结矿质量在线推断．北京科技大学学报，1995，17(6)：567～571
[54] 刘鸿雁，初振坤，杨东伟．基于质量指标的球团焙烧先进过程控制．辽宁工程技术大学学报(自然科学版)，2003，22(5)：656～658
[55] 孙乐，金伟．神经网络在烧结混合料水分控制中的应用．大连轻工业学院学报，2003，22(3)：211～213
[56] 张军红，谢安国，沈峰满．降低烧结固体燃耗的人工智能优化分析．冶金能源，2003，22(4)：16～18，35
[57] 王雅琳，桂卫华．自适应监督式分布神经网络及其工业应用．控制与决策，2001，16(5)：549～552，556
[58] 姜宏洲，李万新．烧结矿FeO含量智能检测仪的开发．冶金自动化，1999，23(6)：13～16
[59] Zhao Yu, Zhang Qiong, Xiang Hut, ect. Simplified Model for Generating 3D Realistic Sound in the Multimedia and Virtual Reality Systems. Beijing:J. of Comput. Sci. & Technol, VOl. 11, No 5:462～470
[60] A Cichocki, R Unbehauen. Neural networks for optimization and signal processing. England:John Wilcy&Sons Ltd, 1993
[61] Xie Zhongjie, Wong Heung. Artificial Neuron Network and Its Application to Financial Forecasting. Universitatis Pekinenisis, Vol. 37, No. 3
[62] 孙彦广，王代先．智能钢包精炼炉控制系统．冶金自动化，1999，(6)：9～16
[63] 徐建林．基于人工神经网络的球铁预报系统．冶金自动化，2000，(6)：11～14
[64] 郑晖，王昭东等．利用人工神经网络模型预测SS400热轧板带力学性能．钢铁，2002，37(7)：3～40
[65] 余弛斌，贺立红，赵刚等．综合神经网络在棒材连轧设定计算中的应用．钢铁，2002，37(1)：43～46
[66] 井玉安，胡晓东，胡林等．人工神经网络在热轧宽厚板力学性能预测中的应
用．钢铁，2002，37(9)：26～30
[67] 余庆波，刘相华，王国栋．人工神经网络在层流冷却卷取温度预报中的应用．钢铁，2002，37(8)：37～40
[68] A.S. Dragan, A.W. Godfreg. Genetic algorithms for least cost design of water distribution networks. J. Water Resour. Plng. And Mgmt., ASCE, 1997, 123(2):67～77
[69] 戴义平，江才俊，卢世明．基于遗传算法的叶片安装排序优化系统的开发及应用．汽轮机技术，2003，45(5)：270～272
[70] 季忠，刘韧，王忠雷等．基于遗传算法的板料激光弯曲成形工艺优化设计．锻压装备与制造技术，2003，38(5)：79～82
[71] 贾小平，毕荣山，董梅等．基于遗传算法的多目标过程系统优化．青岛科技大学学报，2003，24(1)：33～36
[72] 王小平，曹立明．遗传程序设计及其在符号回归问题中的应用．同济大学学报(自然科学版)，2001，29(10)：1200～1204
[73] 翁妙凤．面向对象Flow—shop调度问题的遗传算法求解．江苏理工大学学报(自然科学版)，1999，20(2)：71～74
[74] Halhal D, Walters G A, Ouazar D, etc. Water network rehabilitation with structured messy genetic algorithm. J.Water Resour. Plng. And Mgmt., ASCE, 1997,123(3):137～146
[75] 白先春．非负约束条件下组合证券投资决策的遗传算法．运筹与管理，2001，10(2)：110～113
[76] 金菊良，魏一鸣．工程项目内部收益率的优化估计．系统工程学报，2003，18(1)：87～90
[77] 范晓慧，王海东．烧结过程数学模型与人工智能．长沙：中南大学出版社，2002．30
[78] MichaeI J．Young著，邱仲潘等译．Visual C++6从入门到精通．北京：中国电子工业出版社，1999
[79] 蒙以正．MATLhB 5.X应用与技巧．北京：科技出版社，1999
[80] 陶红，袁金荣．Mat lab与C/Visual C++混合编程的实现．北京：计算机工程与应用，2000，10．100～101，104
[81] 钱能．C++程序设计教程．北京：清华大学出版社，1999
[82] 萨师煊，王珊．数据库系统概论．北京：高等教育出版社，2001
[83] 夏云庆．Visum C++6.0数据库高级编程．北京：北京希望电子出版社，2002
[84] MIDEVA. MATCOM & Visual mATCOMUSER' s Guide V4.5 release, MathTools Ltd, 1999
[85] The MathWorks Inc. Matlab Application Program Interface. 1998
[2] 张典波，万海明，郑江．世界铁矿石资源情况及中国铁矿石供需态势．第八届全国炼铁原料学术会议论文集．莱芜钢铁集团有限公司，2003．10～14
[3] 《中国的矿产资源政策》白皮书．2003．12
[4] 徐国群．澳大利亚铁矿资源概况．烧结球团，1998，23(6)：5～9
[5] 张兴传．澳大利亚铁矿石生产考察报告．山东冶金，1996，18(3)：16～20
[6] 傅菊英，姜涛，朱德庆．烧结球团学．长沙：中南工业大学出版社，1996
[7] 樊御飞．进口铁矿石性能浅析．矿冶工程，1998．9
[8] 武轶．对进口铁矿石评价的新法初探．烧结球团，2003，28(3)：4～8
[9] 刘振林，王峰，杨金福等．烧结矿原料结构的优化与研究．山东冶金，2003，25(2)：31～34
[10] 李剑，肖华高．重钢对购入铁矿石的评价与选择．重钢技术，1999，42(2)：4～6
[11] 段祥光．复杂中国矿形成的烧结矿结构．冶金译丛，1998，(1)：1～10
[12] 余水生．越南矿等冶金性能的实验研究及合理炉料结构探讨．柳钢科技，1997，(2)：1～5
[13] Daws．PR，周节旺．铁矿石烧结技术的最新发展(二)．国外钢铁，1994，(7)：1～7
[14] 严幸，钟崇武，刘传伟等．烧结优化配矿生产实践．江西冶金，2003，23(5)：1～3
[15] 马洛文，吕勤昌．宝钢三烧结的技术进步．宝钢技术，2002，(6)：21～24
[16] 成富全．巴西细精矿用于烧结的生产实践．烧结球团，2000，25(3)：45～47
[17] 严幸，刘传伟，钟崇武等．新(余)钢优化烧结配矿的实践．烧结球团，2003，28(3)：53～55
[18] 孙俊波．几种进口铁精矿烧结实验研究及经济效益评估．鞍钢技术．1997，(1)：12～14，32
[19] 刘素丽．涟钢高炉和烧结配矿技术的发展．湖南冶金，2003，31(5)：3～9
[20] 周明顺，杜鹤桂．鞍钢进口铁矿石的技术经济分析．炼铁，2001，20(4)：26～29
[21] 杨雪峰，刘宁斌．三烧配用澳大利亚粉矿试验研究及生产实践．昆钢科技，2000，(3)：7～9，14
[22] [日]国分春生等．控制铁矿石的特性改善高炉料柱透气性．高炉炉料结构译文集，1998
[23] PauloPinheiro，杨天勇．CVRD的烧结工艺铁矿石评估方法．现代冶金，2002，(2)：4～7
[24] 吴胜利，刘宇，杜建新等．铁矿石的烧结基础特性之新概念．北京科技大学学报，2002，24(3)：254～257
[25] 吴胜利，刘宇，杜建新等．铁矿粉与CaO同化能力的试验研究．北京科技大学学报，2002，24(3)：258～261
[26] 黄天正，傅菊英．烧结球团厂设计．长沙：中南大学教材科，1995
[27] 刘素丽．基于线性规划进行优化配矿．涟钢科技与管理，2002，(6)：19-22
[28] 梁中渝，周久安．优化烧结配料分析．钢铁，2001，36(10)：12～13，29
[29] 冯建生，王秀芝．一个基于神经网络的配矿专家系统．冶金自动化，1999，(4)：7～10
[30] 李清云，宋海洋．采用数学模型法优化炉料结构．冶金丛刊，2003，(2)：25～27，32
[31] 蒋大军，石军铁矿石的价值评价与线性规划优化配料，烧结球团，1999，24(5)：44-48
[32] 李智，姚驻斌，张望兴等．基于神经网络的混匀配料优化方法．钢铁研究，2000，(4)：10～12
[33] 李智，姚驻斌，张望兴等．模拟退火算法在冶炼Mn-Si合金优化配料中的应用．钢铁研究，2000，(5)：36～39
[34] 李智，卢兰光．模拟退火优化算法在混匀配料中的应用．钢铁研究2001，(3)：38～40
[35] 李智．改进的模拟退火算法在原料矿混匀优化中的应用．矿业研究与开发，2003，23(5)：40～42
[36] 张立明．人工神经网络模型及其应用．上海：复旦大学出版社，1993
[37] 戴葵．神经网络实现技术．长沙：国防科技大学出版社，1998
[38] 尹朝庆．人工智能与专家系统．北京：中国水利水电出版社，2002
[39] 何振亚．神经智能．长沙：湖南科学技术出版社，1997
[40] 何光渝．Visual C++常用数值算法集．北京：科学出版社，2002
[41] 焦李成．神经网络系统理论．西安：西安电子科技大学出版社，1990．36～37
[42] 陈明．神经网络模型．大连：大连理工大学出版社，1995
[43] 刘宝碇，赵瑞清．随机规划与模糊规划．北京：清华大学出版社，1998．15～36
[44] 陆金桂，李谦，王浩等．遗传算法原理及其工程应用．徐州：中国矿业大学出版社，1997．1～155
[45] 胡毓达．实用多目标最优化．上海：上海科学技术出版社，1990．1～185
[46] 周明，孙树栋．遗传算法原理及应用．北京：国防工业出版社，1999
[47] 王亦文，桂卫华．基于最优组合算法的烧结终点集成预测模型．中国有色金属学报，2002，12(1)：191～195
[48] 程武山，刘长青．基于神经网络烧结终点(BTP)预测系统．计算机应用与软
件，2003，20(7)：39～40，94
[49] 张军红，谢安国，沈峰满．烧结矿质量预测中神经网络的结构优化．钢铁，2003，38(4)：6～8
[50] 张军红，谢安国．G—BP算法在烧结矿FeO指标预测中的应用．东北大学学报(自然科学版)，2002，23(11)：1073～1075
[51] 张舒，高为民．人工神经网络在烧结矿指标预测中的应用．烧结球团，2001，26(4)：6～10
[52] 郭文军，何力．基于神经网络的烧结矿化学成分超前预报．烧结球团，1997，22(5)：7～10
[53] 邵贤强，邱道尹．神经网络应用于烧结矿质量在线推断．北京科技大学学报，1995，17(6)：567～571
[54] 刘鸿雁，初振坤，杨东伟．基于质量指标的球团焙烧先进过程控制．辽宁工程技术大学学报(自然科学版)，2003，22(5)：656～658
[55] 孙乐，金伟．神经网络在烧结混合料水分控制中的应用．大连轻工业学院学报，2003，22(3)：211～213
[56] 张军红，谢安国，沈峰满．降低烧结固体燃耗的人工智能优化分析．冶金能源，2003，22(4)：16～18，35
[57] 王雅琳，桂卫华．自适应监督式分布神经网络及其工业应用．控制与决策，2001，16(5)：549～552，556
[58] 姜宏洲，李万新．烧结矿FeO含量智能检测仪的开发．冶金自动化，1999，23(6)：13～16
[59] Zhao Yu, Zhang Qiong, Xiang Hut, ect. Simplified Model for Generating 3D Realistic Sound in the Multimedia and Virtual Reality Systems. Beijing:J. of Comput. Sci. & Technol, VOl. 11, No 5:462～470
[60] A Cichocki, R Unbehauen. Neural networks for optimization and signal processing. England:John Wilcy&Sons Ltd, 1993
[61] Xie Zhongjie, Wong Heung. Artificial Neuron Network and Its Application to Financial Forecasting. Universitatis Pekinenisis, Vol. 37, No. 3
[62] 孙彦广，王代先．智能钢包精炼炉控制系统．冶金自动化，1999，(6)：9～16
[63] 徐建林．基于人工神经网络的球铁预报系统．冶金自动化，2000，(6)：11～14
[64] 郑晖，王昭东等．利用人工神经网络模型预测SS400热轧板带力学性能．钢铁，2002，37(7)：3～40
[65] 余弛斌，贺立红，赵刚等．综合神经网络在棒材连轧设定计算中的应用．钢铁，2002，37(1)：43～46
[66] 井玉安，胡晓东，胡林等．人工神经网络在热轧宽厚板力学性能预测中的应
用．钢铁，2002，37(9)：26～30
[67] 余庆波，刘相华，王国栋．人工神经网络在层流冷却卷取温度预报中的应用．钢铁，2002，37(8)：37～40
[68] A.S. Dragan, A.W. Godfreg. Genetic algorithms for least cost design of water distribution networks. J. Water Resour. Plng. And Mgmt., ASCE, 1997, 123(2):67～77
[69] 戴义平，江才俊，卢世明．基于遗传算法的叶片安装排序优化系统的开发及应用．汽轮机技术，2003，45(5)：270～272
[70] 季忠，刘韧，王忠雷等．基于遗传算法的板料激光弯曲成形工艺优化设计．锻压装备与制造技术，2003，38(5)：79～82
[71] 贾小平，毕荣山，董梅等．基于遗传算法的多目标过程系统优化．青岛科技大学学报，2003，24(1)：33～36
[72] 王小平，曹立明．遗传程序设计及其在符号回归问题中的应用．同济大学学报(自然科学版)，2001，29(10)：1200～1204
[73] 翁妙凤．面向对象Flow—shop调度问题的遗传算法求解．江苏理工大学学报(自然科学版)，1999，20(2)：71～74
[74] Halhal D, Walters G A, Ouazar D, etc. Water network rehabilitation with structured messy genetic algorithm. J.Water Resour. Plng. And Mgmt., ASCE, 1997,123(3):137～146
[75] 白先春．非负约束条件下组合证券投资决策的遗传算法．运筹与管理，2001，10(2)：110～113
[76] 金菊良，魏一鸣．工程项目内部收益率的优化估计．系统工程学报，2003，18(1)：87～90
[77] 范晓慧，王海东．烧结过程数学模型与人工智能．长沙：中南大学出版社，2002．30
[78] MichaeI J．Young著，邱仲潘等译．Visual C++6从入门到精通．北京：中国电子工业出版社，1999
[79] 蒙以正．MATLhB 5.X应用与技巧．北京：科技出版社，1999
[80] 陶红，袁金荣．Mat lab与C/Visual C++混合编程的实现．北京：计算机工程与应用，2000，10．100～101，104
[81] 钱能．C++程序设计教程．北京：清华大学出版社，1999
[82] 萨师煊，王珊．数据库系统概论．北京：高等教育出版社，2001
[83] 夏云庆．Visum C++6.0数据库高级编程．北京：北京希望电子出版社，2002
[84] MIDEVA. MATCOM & Visual mATCOMUSER' s Guide V4.5 release, MathTools Ltd, 1999
[85] The MathWorks Inc. Matlab Application Program Interface. 1998
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |