| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-17页 |
| ·课题研究的背景及选题的意义 | 第10页 |
| ·瓦斯涌出量的概念及影响分析 | 第10-12页 |
| ·瓦斯涌出量预测的研究现状 | 第12-14页 |
| ·国内研究现状 | 第12-13页 |
| ·国外研究现状 | 第13-14页 |
| ·基于人工智能算法的预测研究现状 | 第14-15页 |
| ·论文的研究内容及主要工作 | 第15-17页 |
| 2 用于瓦斯涌出量预测的Elman神经网络模型 | 第17-28页 |
| ·引言 | 第17页 |
| ·人工神经网络简介 | 第17-19页 |
| ·神经元结构与神经网络的学习方式 | 第17-19页 |
| ·神经网络的基本分类 | 第19页 |
| ·基于Elman神经网络的瓦斯涌出量预测基本原理 | 第19-27页 |
| ·Elman神经网络拓扑结构 | 第20-21页 |
| ·Elman神经网络的数学描述 | 第21-23页 |
| ·Elman神经网络权值与阈值的修正量计算 | 第23-26页 |
| ·Elman神经网络存在的不足 | 第26-27页 |
| ·小结 | 第27-28页 |
| 3 瓦斯涌出量预测模型中的萤火虫算法优化理论 | 第28-36页 |
| ·引言 | 第28页 |
| ·萤火虫算法的仿生学机理 | 第28页 |
| ·萤火虫算法的寻优原理 | 第28-30页 |
| ·荧光素值的更新 | 第29页 |
| ·概率选择最优个体 | 第29页 |
| ·更新个体位置 | 第29-30页 |
| ·自适应调整决策域半径 | 第30页 |
| ·萤火虫算法的基本结论 | 第30-32页 |
| ·优化流程及代码架构 | 第32-34页 |
| ·萤火虫算法寻优搜索性能分析 | 第34-35页 |
| ·小结 | 第35-36页 |
| 4 ASGSO-ENN耦合算法研究及其性能仿真分析 | 第36-52页 |
| ·引言 | 第36页 |
| ·改进的萤火虫优化算法 | 第36-39页 |
| ·基于相似度准则的目标邻域集 | 第37-38页 |
| ·搜索步长的自适应调整策略 | 第38页 |
| ·ASGSO算法的收敛性分析 | 第38-39页 |
| ·ASGSO算法数值仿真实验 | 第39-45页 |
| ·分析测试函数 | 第41-42页 |
| ·评价指标 | 第42-43页 |
| ·仿真实验及结果分析 | 第43-45页 |
| ·ASGSO算法优化Elman神经网络模型 | 第45-49页 |
| ·萤火虫个体编码 | 第46页 |
| ·搜索空间维数的确定 | 第46页 |
| ·适应度函数的确定 | 第46-48页 |
| ·ASGSO-ENN耦合算法的实现流程 | 第48-49页 |
| ·ASGSO-ENN耦合算法的数据拟合实验 | 第49-51页 |
| ·小结 | 第51-52页 |
| 5 基于ASGSO-ENN耦合算法的瓦斯涌出量预测系统研究 | 第52-66页 |
| ·引言 | 第52页 |
| ·瓦斯涌出量辨识模型 | 第52-55页 |
| ·瓦斯涌出量辨识系统原理 | 第52-53页 |
| ·瓦斯涌出量辨识系统的数学描述 | 第53-54页 |
| ·辨识过程的目标函数 | 第54-55页 |
| ·基于ASGSO-ENN的瓦斯涌出量预测控制系统 | 第55-58页 |
| ·瓦斯涌出量预测系统架构 | 第55-56页 |
| ·瓦斯涌出量预测控制原理 | 第56-58页 |
| ·瓦斯涌出量预测控制的具体步骤 | 第58页 |
| ·瓦斯涌出量预测实验及分析 | 第58-65页 |
| ·训练样本的数据组成 | 第58-60页 |
| ·数据的标准化处理 | 第60页 |
| ·ASGSO-ENN耦合算法结构及参数的确定 | 第60-61页 |
| ·瓦斯涌出量预测结果及分析 | 第61-65页 |
| ·小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| ·全文总结 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 作者简历 | 第71-73页 |
| 学位论文数据集 | 第73页 |