首页--工业技术论文--矿业工程论文--矿山安全与劳动保护论文--矿井大气论文--矿井瓦斯论文

煤矿瓦斯监测数据发展趋势的智能预测方法研究

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

论文共127页,点击 下载论文
上一篇:基于USB的数据采集系统研究与设计
下一篇:公租房建设项目经济分析--以西安某公租房建设项目为例