| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第14-22页 |
| 1.1 选题背景和研究意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.3 研究内容 | 第19-20页 |
| 1.4 本文的组织结构 | 第20-22页 |
| 2 极限学习机基础 | 第22-32页 |
| 2.1 人工神经网络 | 第22-25页 |
| 2.2 极限学习机 | 第25-26页 |
| 2.3 极限学习机算法延伸 | 第26-30页 |
| 2.4 本章小结 | 第30-32页 |
| 3 粒子群算法的改进 | 第32-45页 |
| 3.1 粒子群算法基础 | 第32-34页 |
| 3.2 改进算法 | 第34-38页 |
| 3.3 实验 | 第38-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4 基于混合核极限学习机的构造煤厚度预测模型 | 第45-63页 |
| 4.1 混合核极限学习机基础 | 第45-49页 |
| 4.2 粒子群算法优化混合核极限学习机模型 | 第49-51页 |
| 4.3 实验 | 第51-62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 粒子群算法优化混合核极限学习机预测构造煤厚度实例研究 | 第63-72页 |
| 5.1 研究区概况 | 第63-65页 |
| 5.2 地震属性数据预处理 | 第65-66页 |
| 5.3 实例研究 | 第66-71页 |
| 5.4 本章小结 | 第71-72页 |
| 6 结论 | 第72-74页 |
| 6.1 研究成果 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 作者简历 | 第79-81页 |
| 学位论文数据集 | 第81页 |