| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-17页 |
| ·课题研究意义 | 第11页 |
| ·瓦斯涌出量预测研究现状 | 第11-13页 |
| ·智能算法研究现状 | 第13-15页 |
| ·论文主要内容 | 第15页 |
| ·本文主要工作 | 第15-17页 |
| 2 用于瓦斯涌出量系统辨识的Elman 神经网络 | 第17-26页 |
| ·引言 | 第17页 |
| ·Elman 神经网络算法的原理 | 第17-25页 |
| ·神经网络拓扑结构 | 第17-18页 |
| ·Elman 神经网络拓扑结构 | 第18-19页 |
| ·Elman 神经网络算法数学描述 | 第19-21页 |
| ·Elman 神经网络阈值与权值修正量计算 | 第21-25页 |
| ·Elman 神经网络性能分析 | 第25页 |
| ·小结 | 第25-26页 |
| 3 标准粒子群优化算法及收敛性分析 | 第26-33页 |
| ·引言 | 第26-27页 |
| ·粒子群算法的数学机理 | 第27-28页 |
| ·搜索算子对算法的影响分析 | 第28-29页 |
| ·参数对算法的影响分析 | 第29-30页 |
| ·惯性权重w 的影响分析 | 第30-31页 |
| ·标准PSO 算法流程 | 第31页 |
| ·粒子群算法面临的一些问题 | 第31-32页 |
| ·小结 | 第32-33页 |
| 4 混沌克隆粒子群算法及仿真分析 | 第33-44页 |
| ·引言 | 第33页 |
| ·标准粒子群算法改进——混沌免疫粒子群优化算法(CIPSO) | 第33-38页 |
| ·混沌克隆选择粒子群算法原理 | 第34-36页 |
| ·CIPSO 算法局部收敛性论证 | 第36-37页 |
| ·CIPSO 算法全局收敛性论证 | 第37页 |
| ·CIPSO 算法步流程 | 第37-38页 |
| ·CIPSO 数值仿真实验及分析 | 第38-43页 |
| ·测试函数分析 | 第40-41页 |
| ·评价标准 | 第41页 |
| ·仿真实验及分析 | 第41-43页 |
| ·小结 | 第43-44页 |
| 5 CIPSO-ENN 耦合算法及性能仿真分析 | 第44-49页 |
| ·引言 | 第44页 |
| ·Elman 神经网络改进——CIPSO-ENN 耦合算法 | 第44-48页 |
| ·CIPSO-ENN 耦合算法原理 | 第45-46页 |
| ·CIPSO-ENN 算法流程 | 第46页 |
| ·CIPSO-ENN 耦合算法的数值仿真实验 | 第46-48页 |
| ·小结 | 第48-49页 |
| 6 基于CIPSO-ENN 耦合算法的瓦斯涌出量预测控制 | 第49-62页 |
| ·引言 | 第49页 |
| ·瓦斯涌出量的影响因素 | 第49-50页 |
| ·瓦斯涌出量定义 | 第49页 |
| ·瓦斯涌出量主要影响因素 | 第49-50页 |
| ·瓦斯涌出量辨识系统 | 第50-52页 |
| ·瓦斯涌出量辨识系统结构模型 | 第50页 |
| ·瓦斯涌出量辨识系统数学描述 | 第50-52页 |
| ·瓦斯涌出量预测控制系统 | 第52-55页 |
| ·瓦斯涌出量预测控制结构模型 | 第52-54页 |
| ·预测控制步骤流程 | 第54-55页 |
| ·瓦斯涌出量预测仿真及分析 | 第55-61页 |
| ·CIPSO-ENNPM 结构参数及结构模型 | 第55页 |
| ·Elman 神经网络结构参数 | 第55页 |
| ·CIPSO 算法的初始参数选取 | 第55页 |
| ·瓦斯涌出量监测样本的组成及数据处理 | 第55-57页 |
| ·数据的归一化及反归一化处理 | 第57页 |
| ·瓦斯涌出量预测仿真结果及分析 | 第57-61页 |
| ·小结 | 第61-62页 |
| 7 总结与展望 | 第62-65页 |
| ·全文总结 | 第62-63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 作者简历 | 第67-68页 |
| 学位论文数据集 | 第68-69页 |
