| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 国内外现状 | 第10-11页 |
| 1.3 选题的目的和意义 | 第11-12页 |
| 1.3.1 选题的目的 | 第11-12页 |
| 1.3.2 选题的意义 | 第12页 |
| 1.4 课题研究的主要内容 | 第12-13页 |
| 1.5 论文的结构与组织 | 第13-15页 |
| 2 人工神经网络 | 第15-23页 |
| 2.1 神经网络简介 | 第15-17页 |
| 2.1.1 神经网络的发展状况 | 第15页 |
| 2.1.2 神经网络的优点 | 第15-16页 |
| 2.1.3 人工神经网络的分类 | 第16页 |
| 2.1.4 人工神经网络的学习规则 | 第16-17页 |
| 2.2 基于误差反传的多层感知器---BP 神经网络 | 第17-22页 |
| 2.2.1 BP 神经网络算法 | 第17-19页 |
| 2.2.2 基本 BP 算法的局限性 | 第19-20页 |
| 2.2.3 BP 神经网络的改进 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 爆破块度与爆破优化原则 | 第23-28页 |
| 3.1 爆破块度组成 | 第23-24页 |
| 3.2 平均块度 | 第24页 |
| 3.3 确定块度组成的方法（块度测定） | 第24-25页 |
| 3.4 爆破优化原则 | 第25-26页 |
| 3.5 爆破效果的评价指标[44] | 第26-27页 |
| 3.6 本章小结 | 第27-28页 |
| 4 岩层爆破参数的 BP 神经网络的设计 | 第28-49页 |
| 4.1 输入输出参量的选择 | 第28-30页 |
| 4.2 数据集的收集与处理 | 第30-35页 |
| 4.2.1 参数数据的收集 | 第30-33页 |
| 4.2.2 数据的尺度变换 | 第33-35页 |
| 4.3 BP 网络结构设计 | 第35-48页 |
| 4.3.1 隐层数的设计 | 第35-36页 |
| 4.3.2 隐含层神经元数的设计 | 第36页 |
| 4.3.3 BP 神经网络创建函数的选择 | 第36-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 岩层爆破参数的 BP 神经网络的改进与测试 | 第49-61页 |
| 5.1 增加神经元数法 | 第49-56页 |
| 5.2 粒子群算法与 BP 神经网络的联合优化 | 第56-60页 |
| 5.2.1 粒子群算法[53~55] | 第56-57页 |
| 5.2.2 M 文件及其操作 | 第57-60页 |
| 5.3 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 在学研究成果 | 第68-70页 |
| 致谢 | 第70页 |