煤与瓦斯突出预测算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-15页 |
| 引言 | 第15-16页 |
| 1 绪论 | 第16-18页 |
| ·研究背景 | 第16页 |
| ·国内外研究现状 | 第16-17页 |
| ·本文研究的主要内容 | 第17-18页 |
| 2 支持向量机的理论知识 | 第18-32页 |
| ·机器学习的理论知识 | 第18-19页 |
| ·统计学习理论的基本概念 | 第19-25页 |
| ·经验风险最小化原则 | 第19-20页 |
| ·VC维 | 第20-21页 |
| ·结构风险最小化 | 第21-22页 |
| ·最优分类超平面 | 第22-25页 |
| ·非线性SVM | 第25-26页 |
| ·核函数 | 第26-28页 |
| ·核函数的基本理论 | 第26-27页 |
| ·核函数的选取 | 第27-28页 |
| ·支持向量机多分类构造方法 | 第28-32页 |
| ·“一对多”分类方法 | 第29页 |
| ·“一对一”分类方法 | 第29页 |
| ·基于二叉树的多类分类方法 | 第29-32页 |
| 3 煤与瓦斯突出的基本研究 | 第32-40页 |
| ·煤与瓦斯突出的机理 | 第32页 |
| ·煤与瓦斯突出类型 | 第32-34页 |
| ·突出 | 第32-33页 |
| ·压出 | 第33页 |
| ·倾出 | 第33-34页 |
| ·煤与瓦斯突出的规律 | 第34页 |
| ·影响煤与瓦斯突出的因素 | 第34-40页 |
| ·地质构造 | 第34-35页 |
| ·煤体结构 | 第35-36页 |
| ·围岩条件 | 第36-37页 |
| ·煤层埋藏深度 | 第37-40页 |
| 4 研究区地质条件概述 | 第40-46页 |
| ·矿井概况 | 第40-41页 |
| ·位置与交通 | 第40-41页 |
| ·地形地貌 | 第41页 |
| ·煤系地层及煤层特征 | 第41-43页 |
| ·煤系地层的特征 | 第41-42页 |
| ·煤系煤层的特征 | 第42-43页 |
| ·研究区瓦斯特征 | 第43-44页 |
| ·地勘期间瓦斯含量测定的数据 | 第43页 |
| ·生产期间瓦斯含量测定的数据 | 第43-44页 |
| ·潘三矿B11-2煤层瓦斯突出特征分析 | 第44-46页 |
| 5 支持向量机算法的改进 | 第46-62页 |
| ·最小二乘支持向量机 | 第46-48页 |
| ·粒子群优化算法 | 第48-52页 |
| ·算法原理 | 第48-50页 |
| ·粒子群算法流程 | 第50-51页 |
| ·粒子群算法改进 | 第51-52页 |
| ·PSO-LS-SVM模型 | 第52-54页 |
| ·粒子设计 | 第53页 |
| ·算法步骤 | 第53-54页 |
| ·遗传算法 | 第54-59页 |
| ·染色体编码 | 第55页 |
| ·初始化 | 第55-56页 |
| ·选择 | 第56页 |
| ·交叉 | 第56页 |
| ·变异 | 第56页 |
| ·适应度函数 | 第56-57页 |
| ·遗传算法流程 | 第57-58页 |
| ·遗传算法的优点 | 第58-59页 |
| ·GA-LS-SVM模型 | 第59-62页 |
| ·编码方法 | 第59-61页 |
| ·遗传算法优化LS-SVM的步骤 | 第61-62页 |
| 6 基于支持向量机的煤与瓦斯突出预测的实现 | 第62-76页 |
| ·预测参数的选取 | 第62-66页 |
| ·数据预处理的概念 | 第62页 |
| ·拉依达定律 | 第62-63页 |
| ·遗失数据的弥补 | 第63-64页 |
| ·特征选取 | 第64-66页 |
| ·数据规范化 | 第66页 |
| ·煤与瓦斯突出预测结果及分析 | 第66-76页 |
| ·软件工具介绍 | 第66-67页 |
| ·煤与瓦斯突出预测实验步骤 | 第67-71页 |
| ·煤与瓦斯突出预测结果 | 第71-74页 |
| ·预测结果分析 | 第74-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 作者简介及读研期间主要科研成果 | 第83页 |
