基于神经网络的煤与瓦斯突出预测系统的开发
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-16页 |
| 引言 | 第16-17页 |
| 第1章 绪论 | 第17-20页 |
| ·研究现状 | 第17-18页 |
| ·课题研究目的 | 第18页 |
| ·论文主要研究工作 | 第18-19页 |
| ·论文研究技术路线 | 第19-20页 |
| 第2章 煤与瓦斯突出预测系统总体设计 | 第20-31页 |
| ·系统开发主要工具 | 第20-21页 |
| ·系统开发关键技术 | 第21-24页 |
| ·系统设计原则 | 第24-25页 |
| ·系统设计目标 | 第25页 |
| ·系统功能设计 | 第25-27页 |
| ·系统流程分析 | 第27-28页 |
| ·数据库设计 | 第28-30页 |
| ·数据库概念模型的设计 | 第28-29页 |
| ·数据库物理结构的设计 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 预测指标优选模型的构建 | 第31-36页 |
| ·灰关联分析的基本原理 | 第31页 |
| ·灰关联分析的比较机理 | 第31-32页 |
| ·灰关联系数和灰关联度 | 第32页 |
| ·基于灰关联序的预测指标优选主要步骤及分析 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 煤与瓦斯突出预测模型的构建 | 第36-50页 |
| ·基于模糊聚类的煤与瓦斯突出预测模型 | 第36-38页 |
| ·模糊聚类原理 | 第36页 |
| ·模糊聚类主要步骤 | 第36-37页 |
| ·模糊聚类法预测煤与瓦斯突出 | 第37-38页 |
| ·基于神经网络的煤与瓦斯突出预测模型 | 第38-48页 |
| ·人工神经网络与人脑的相似性 | 第39-40页 |
| ·神经元的基本构成 | 第40-41页 |
| ·神经元的拓扑特性 | 第41-42页 |
| ·BP 神经网络基本原理 | 第42-43页 |
| ·贝叶斯正则化算法 | 第43页 |
| ·基于BP 神经网络的突出预测模型的构建 | 第43-47页 |
| ·煤与瓦斯突出预测结果的分析 | 第47-48页 |
| ·神经网络模型与模糊聚类模型的比较 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 系统主要功能模块的实现 | 第50-68页 |
| ·系统主界面 | 第50-51页 |
| ·指标管理子系统 | 第51-53页 |
| ·预测指标录入模块 | 第51-52页 |
| ·预测指标优选模块 | 第52-53页 |
| ·样本管理子系统 | 第53-56页 |
| ·样本录入模块 | 第54-55页 |
| ·样本修改模块 | 第55-56页 |
| ·突出预测子系统 | 第56-58页 |
| ·模糊聚类预测模块 | 第56-57页 |
| ·神经网络预测模块 | 第57-58页 |
| ·突出防治子系统 | 第58-61页 |
| ·防突措施查询模块 | 第58-60页 |
| ·防突效果检验模块 | 第60-61页 |
| ·突出记录子系统 | 第61-63页 |
| ·增加突出记录模块 | 第61-62页 |
| ·修改突出记录模块 | 第62-63页 |
| ·服务器模块 | 第63-64页 |
| ·应用实例 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第6章 主要结论及展望 | 第68-70页 |
| ·主要结论 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 作者简介及读研期间主要科研成果 | 第74-75页 |
