煤矿动态安全评价及预测技术研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-21页 |
| 1 绪论 | 第21-36页 |
| ·研究背景和意义 | 第21-25页 |
| ·研究背景 | 第21-22页 |
| ·研究必要性 | 第22-24页 |
| ·研究意义 | 第24-25页 |
| ·安全评价和预测的几个基本概念 | 第25-27页 |
| ·安全与危险 | 第25-26页 |
| ·安全与事故 | 第26页 |
| ·安全评价 | 第26-27页 |
| ·安全预测 | 第27页 |
| ·国内外研究现状 | 第27-33页 |
| ·国外安全评价研究现状 | 第27-29页 |
| ·我国安全评价研究现状 | 第29-30页 |
| ·我国安全评价技术研究现状 | 第30-32页 |
| ·传统安全评价方法存在的问题 | 第32页 |
| ·我国安全预测技术研究现状 | 第32-33页 |
| ·煤矿动态安全评价和预测的可行性 | 第33-34页 |
| ·煤矿生产系统的特点 | 第33页 |
| ·神经网络的特点 | 第33-34页 |
| ·神经网络煤矿安全评价和预测的可行性 | 第34页 |
| ·本文研究内容与技术路线 | 第34-36页 |
| 2 煤矿安全评价指标体系研究 | 第36-54页 |
| ·煤矿安全生产原理 | 第36-39页 |
| ·事故致因理论 | 第36-37页 |
| ·安全评价基本原理 | 第37-39页 |
| ·煤矿生产系统分析 | 第39页 |
| ·煤矿安全评价指标体系的建立 | 第39-42页 |
| ·指标 | 第39-40页 |
| ·指标体系 | 第40-41页 |
| ·煤矿安全评价指标的选取原则 | 第41-42页 |
| ·煤矿安全评价指标体系 | 第42-52页 |
| ·煤矿安全评价指标的筛选 | 第42-43页 |
| ·煤矿安全评价指标体系的结构 | 第43-47页 |
| ·煤矿安全评价指标量化 | 第47-51页 |
| ·煤矿安全评价指标的赋权方法 | 第51-52页 |
| ·煤矿安全评价模型的建立 | 第52-53页 |
| ·模型的种类 | 第52页 |
| ·模型建立的步骤 | 第52-53页 |
| ·煤矿安全评价模型建立的基本思想 | 第53页 |
| ·本章小结 | 第53-54页 |
| 3 基于神经网络的煤矿安全评价模型研究 | 第54-72页 |
| ·人工神经网络模型 | 第54-59页 |
| ·生物神经元模型 | 第54-55页 |
| ·神经网络模型 | 第55-56页 |
| ·人工神经网络分类 | 第56-57页 |
| ·人工神经网络的学习规则 | 第57-59页 |
| ·BP 神经网络 | 第59-65页 |
| ·BP 网络结构 | 第59页 |
| ·BP 网络算法 | 第59-61页 |
| ·BP 网络的设计与训练 | 第61-65页 |
| ·BP 网络性能改进 | 第65-67页 |
| ·BP 算法的缺陷 | 第65-66页 |
| ·BP 算法的改进 | 第66-67页 |
| ·神经网络工具箱 | 第67-71页 |
| ·MATLAB 简介 | 第67-68页 |
| ·MATLAB 神经网络工具箱 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 4 基于神经网络的煤矿安全评价模型应用研究 | 第72-92页 |
| ·用于安全评价问题求解的神经网络设计 | 第72-73页 |
| ·煤矿安全评价模型的训练与仿真 | 第73-82页 |
| ·样本输入数据初始化 | 第73-74页 |
| ·样本数据准备 | 第74页 |
| ·待评价煤矿的数据准备 | 第74-82页 |
| ·网络训练过程及结果 | 第82页 |
| ·评价结果 | 第82-88页 |
| ·被评价煤矿安全预防措施及对策 | 第88-91页 |
| ·安全管理方面措施及对策 | 第88-89页 |
| ·煤矿开采方面措施及对策 | 第89页 |
| ·“一通三防”方面措施及对策 | 第89-90页 |
| ·防治水方面措施及对策 | 第90页 |
| ·机电运输方面措施及对策 | 第90-91页 |
| ·本章小结 | 第91-92页 |
| 5 基于神经网络的煤矿安全预测研究 | 第92-106页 |
| ·煤矿安全预测模型 | 第92-94页 |
| ·煤矿安全预测的基本原则 | 第92-93页 |
| ·煤矿安全预测模型的建立 | 第93-94页 |
| ·煤矿安全预测模型研究 | 第94-96页 |
| ·神经网络预测的基本模型 | 第94页 |
| ·预测模型对数据的要求 | 第94-95页 |
| ·煤矿安全预测参数的选择 | 第95页 |
| ·预测模型的实现步骤 | 第95-96页 |
| ·预测误差的测量 | 第96页 |
| ·煤矿安全预测模型应用 | 第96-105页 |
| ·原始数据的初始化处理 | 第96-98页 |
| ·神经网络的设计 | 第98页 |
| ·神经网络的训练过程 | 第98-103页 |
| ·神经网络的仿真 | 第103-104页 |
| ·预测结果比较 | 第104-105页 |
| ·本章小结 | 第105-106页 |
| 6 煤矿系统安全预测技术研究 | 第106-127页 |
| ·回归分析 | 第106-109页 |
| ·一元线性回归模型 | 第106-107页 |
| ·一元线性回归模型的应用 | 第107-109页 |
| ·灰色系统预测 | 第109-115页 |
| ·灰色系统理论 | 第109-110页 |
| ·灰色系统预测的GM(1,1)模型 | 第110-112页 |
| ·GM(1,1)模型的应用 | 第112-114页 |
| ·GM(1,1)模型的适用性 | 第114-115页 |
| ·函数变换型GM(1,1)模型 | 第115-118页 |
| ·函数变换型GM(1,1)模型的建立 | 第115-116页 |
| ·函数变换型GM(1,1)模型的应用 | 第116-118页 |
| ·摆动型灰色预测模型 | 第118-121页 |
| ·UGM 模型的建立 | 第119-120页 |
| ·UGM 模型的应用 | 第120-121页 |
| ·灰色马尔柯夫模型 | 第121-125页 |
| ·灰色马尔柯夫模型的建立 | 第121-122页 |
| ·灰色马尔柯夫模型的应用 | 第122-125页 |
| ·本章小结 | 第125-127页 |
| 7 结论 | 第127-129页 |
| ·主要结论 | 第127-128页 |
| ·主要创新点 | 第128页 |
| ·研究展望 | 第128-129页 |
| 参考文献 | 第129-138页 |
| 附录 | 第138-155页 |
| 作者简历 | 第155-157页 |
| 学位论文数据集 | 第157页 |
