| 摘要 | 第1-6页 |
| 英文摘要 | 第6-14页 |
| 1 绪论 | 第14-24页 |
| ·选题的意义 | 第14-15页 |
| ·瓦斯浓度和瓦斯涌出量等预测方法研究现状分析 | 第15-22页 |
| ·基于人工神经网络的预测方法研究现状 | 第15-17页 |
| ·基于灰色理论的预测方法研究现状 | 第17-18页 |
| ·基于混沌和分形理论的预测方法研究现状 | 第18-19页 |
| ·基于模糊理论的预测方法研究现状 | 第19-20页 |
| ·其他预测方法研究研究现状 | 第20-22页 |
| ·本文的主要工作 | 第22-24页 |
| 2 基于方差比检验方法的预测器输入主因素识别方法 | 第24-34页 |
| ·检验变量的计算 | 第24-25页 |
| ·方差比检验判定 | 第25-26页 |
| ·方差比检验方法的运用 | 第26页 |
| ·煤与瓦斯突出预测器输入主因素识别——应用实例 | 第26-32页 |
| ·本章小结 | 第32-34页 |
| 3 基于小波变换和预测器参数优化的预测方法 | 第34-50页 |
| ·预测方法 | 第34-44页 |
| ·瓦斯涌出量等时间序列的小波分析 | 第35-38页 |
| ·最佳小波分解级数的确定 | 第38-42页 |
| ·预测器参数优化 | 第42-44页 |
| ·瓦斯浓度预测——应用实例 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 4 基于模糊聚类和参数优化的预测方法 | 第50-63页 |
| ·预测方法的基本原理 | 第50-55页 |
| ·样本的模糊C 均值聚类分析 | 第51-52页 |
| ·预测模型参数优化 | 第52-55页 |
| ·瓦斯浓度预测——应用实例 | 第55-57页 |
| ·基于模糊聚类的综合预测方法 | 第57-62页 |
| ·基于小波变换的模糊聚类预测方法 | 第57-58页 |
| ·基于预测器输入主因素的模糊聚类预测方法 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 5 基于抽样盲数的瓦斯浓度和瓦斯涌出量等不确定性预测方法 | 第63-89页 |
| ·盲数 | 第63-66页 |
| ·抽样盲数 | 第66-68页 |
| ·预测方法的基本原理 | 第68-71页 |
| ·预测器不确定性的传递 | 第68-69页 |
| ·抽样盲数的降阶计算 | 第69-70页 |
| ·预测结果的置信区间及其概率计算 | 第70-71页 |
| ·煤与瓦斯突出不确定性预测——应用实例 | 第71-77页 |
| ·基于抽样盲数的瓦斯涌出量等不确定性综合预测方法 | 第77-88页 |
| ·基于抽样盲数的小波变换的时间序列不确定性预测方法 | 第77-78页 |
| ·基于主因素和模糊聚类的抽样盲数的瓦斯涌出量等不确定性预测方法 | 第78-88页 |
| ·本章小结 | 第88-89页 |
| 6 基于自适应虚拟状态变量的预测方法 | 第89-110页 |
| ·虚拟状态变量的定义 | 第89页 |
| ·基本原理 | 第89-90页 |
| ·基于有导师模式识别网络构造线性空间上的虚拟状态变量的预测方法 | 第90-96页 |
| ·预测方法 | 第90页 |
| ·虚拟状态变量的构造 | 第90-92页 |
| ·卡尔曼滤波预测器的构成 | 第92-93页 |
| ·储量样本的确定 | 第93-94页 |
| ·瓦斯涌出量预测——应用实例 | 第94-96页 |
| ·基于无导师模式识别网络构造非线性空间上的虚拟状态变量的预测方法 | 第96-104页 |
| ·预测方法 | 第96-97页 |
| ·基于相空间重构的特征提取 | 第97-99页 |
| ·虚拟状变量的确定 | 第99-101页 |
| ·瓦斯浓度预测——应用实例 | 第101-104页 |
| ·基于虚拟状态变量的综合预测方法 | 第104-109页 |
| ·基于主因素的模糊聚类的自适应虚拟状态变量预测方法 | 第105页 |
| ·基于小波变换的自适应虚拟状态变量预测方法 | 第105-109页 |
| ·本章小结 | 第109-110页 |
| 7 结论 | 第110-113页 |
| ·结论 | 第110-111页 |
| ·主要创新 | 第111-112页 |
| ·展望 | 第112-113页 |
| 致谢 | 第113-114页 |
| 参考文献 | 第114-127页 |
| 附录 | 第127页 |
