论文部分内容阅读
信息化是世界经济发展的必然趋势。信息技术的广泛应用能够使生产要素在全球范围内实现高速高效的配置,极大推动了世界经济的全球化发展。钢铁一直是经济建设、社会发展的重要物质基础,并成为衡量一个国家国力的重要标志。2004年,中国粗钢产量突破2.6亿吨,占世界粗钢总产量的四分之一强。但是,在品种结构、产品质量还存在严重的不足。提高产品质量,降低成本关系着我国整个国民经济的持续、协调发展。而要提高质量钢铁企业信息化建设是刻不容缓。
本文以福建省重大科技攻关项目——三明钢铁集团信息化建设中智能质量管理系统为例,对钢铁企业质量管理系统设计与实现进行探讨。论文阐述了智能质量管理系统中智能判定子系统、自定义质量检验子系统、报表系统和预测质量控制子系统的设计和实现。支持向量机(SupportVectorMachines)简称SVM,是AT&TBell实验室的Vapnik于20世纪90年代提出,它是一种建立在统计学习理论基础上的机器学习方法。它在解决小样本学习、非线性以及高维模式识别等问题中表现出许多特有的优势。文中介绍了支持向量机的核心思想和一些理论基础和ε-支持向量回归机算法及其推导过程。在介绍基于ε-支持向量回归机的预测质量控制子系统实现,讨论了各参数对预测精度影响,得出该系统预测精度高、比Excel回归预测好。