铁矿石品质波动评估中时间序列预测的应用

1 绪论
1.1 研究背景及意义
1.2 铁矿石品位波动评定标准简介
1.2.1 我国国家标准
1.2.2 ISO标准
1.2.3 其他国家及地区标准
1.2.4 取样系列标准的关联性
1.3 时间序列预测方法简介
1.3.1 时间序列预测法步骤
1.3.2 时间序列分析基本特征
1.3.3 时间序列的分类
1.3.4 时间序列的分解
1.3.5 平稳与非平稳时间序列
1.3.6 时间序列预测
1.4 小波分析方法简介
1.4.1 傅里叶分析
1.4.2 小波分析原理
1.4.3 小波分析的种类
1.4.4 常用小波函数

2 传统铁矿石取样及其品位波动评定方法
2.1 铁矿石取样前的准备工作
2.1.1 基本要求
2.1.2 制定取样流程
2.1.3 系统校核
2.2 铁矿石取样
2.2.1 取样的基本原则
2.2.2 份样质量
2.2.3 份样个数
2.2.4 取样间隔
2.3 品位波动评定方法
2.3.1 采用交替副样评定品质波动
2.3.2 采用变量法评定品质波动

3 进口铁矿石品质信息数据仓库建设及其数据挖掘
3.1 铁矿石数据仓库建设
3.1.1 铁矿石数据仓库建设的意义
3.1.2 进口铁矿石品质信息数据仓库基本原理
3.2 进口铁矿石品质信息数据挖掘
3.2.1 数据挖掘的要求
3.2.2 联机分析及其系统模型
3.3 进口铁矿石数据仓库建设及数据挖掘实例
3.3.1 可利用的数据库资源
3.3.2 项目应用举例

4 数据提取方式
4.1 本地数据库数据提取
4.1.1 常用数据库数据提取
4.1.2 数据库数据提取操作方式
4.2 大宗信息平台数据提取（异地数据提取）
4.2.1 界面录入
4.2.2 Excel模版导入
4.3 数据仓库增量表数据提取方法
4.3.1 使用增量表进行数据提取的框架
4.3.2 使用增量表的方法分析
4.3.3 使用视图实现增量表轮转法

5 基于BP神经网络的铁矿石取样品位波动的校核
5.1 铁矿石品位差异产生的原因
5.1.1 对初采的铁矿石未进行混料加工
5.1.2 不同品位矿点出产的铁矿石混装
5.1.3 粉块差异大的铁矿石
5.1.4 生产时破碎设计不当
5.2 神经网络在品位波动确认中的应用
5.2.1 基本原理及介绍
5.2.2 神经网络的铁矿石确认

6 小波时间序列分析铁矿石品位波动预测
6.1 概述
6.2 Matlab简介
6.2.1 Matlab产生的背景
6.2.2 Matlab的主要特点
6.2.3 Matlab小波变换工具箱
6.3 小波函数的选择及其算法模型
6.3.1 小波函数的选择
6.3.2 Daubechies小波函数的算法模型
6.4 Matlab接口
6.4.1 Matlab外部接口实现方式
6.4.2 Matlab程序接口代码
6.5 Daubechies小波滤波技术及算法
6.5.1 Daubechies小波滤波器原理
6.5.2 Daubechies小波滤波器构造算法
6.6 长程时间序列分析在品位波动的研究
6.6.1 长程时间序列分析基本原理
6.6.2 长程时间序列分析品位波动预测应用
6.7 短程时间序列分析
6.7.1 小波时间序列铁矿石品位波动预测模型选择
6.7.2 小波时间序列铁矿石品位波动预测应用及模型改进

7 Matlab／Simulink数学建模在铁矿石取样中的应用
7.1 系统仿真数学建模
7.1.1 Simulink系统仿真
7.1.2 SimuWave小波仿真模块
7.2 铁矿石取样的系统仿真
7.2.1 铁矿石取样实用性滤波器
7.2.2 铁矿石取样系统仿真

8 矿石卸载取样的节能减排及其港口效益增长
8.1 LCA方法论及其应用
8.1.1 概述
8.1.2 LCA方法研究内容
8.1.3 LCA的意义
8.2 实验室环境设施建设
8.2.1 铁矿石实验室自然环境
8.2.2 污染情况及主要环境问题
8.2.3 LCA清单分析
8.3 采用人工智能法对港口效益增长的成效
8.3.1 宁波港北仑矿石码头介绍
8.3.2 对港口GDP增长的贡献

附录1 利用Microsoft VB数据提取例程
附录2 程序接口相关例程
附录3 C语言编写MEX文件
附录4 C语言代码源文件yprime.c文件，编译和连接yprime.c成MEX文件
附录5 采样测试数据范例
附录6 采样测试数据小波分解后相关参数范例
参考文献