基于BP神经网络和量子遗传算法的瓦斯预测模型研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·煤矿瓦斯的危害 | 第9页 |
| ·课题的研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文的研究内容和方法 | 第11-12页 |
| 本章小结 | 第12-13页 |
| 2 煤矿瓦斯涌出量的来源及瓦斯涌出量的定义 | 第13-17页 |
| ·瓦斯来源 | 第13页 |
| ·瓦斯涌出量 | 第13-14页 |
| ·影响瓦斯涌出量的因素 | 第14-16页 |
| 本章小结 | 第16-17页 |
| 3 基于无线传感网络的井下瓦斯监测系统 | 第17-22页 |
| ·无线传感网络 | 第17-18页 |
| ·无线传感网络井下监测系统 | 第18-19页 |
| ·瓦斯监测系统节点机结构 | 第19-20页 |
| ·地面监控预测中心 | 第20-21页 |
| 本章小结 | 第21-22页 |
| 4 瓦斯预测方法及BP 神经网络 | 第22-35页 |
| ·瓦斯预测方法概述 | 第22-26页 |
| ·神经网络简介 | 第26-28页 |
| ·神经网络用于瓦斯涌出量预测的优越性 | 第26-27页 |
| ·人工神经网络的基本结构 | 第27-28页 |
| ·神经网络的训练 | 第28-29页 |
| ·神经网络的回忆操作 | 第29页 |
| ·BP 神经网络 | 第29-33页 |
| ·BP 算法的网络结构模型 | 第30-33页 |
| ·BP 算法的实现 | 第33-34页 |
| 本章小结 | 第34-35页 |
| 5 量子遗传算法 | 第35-40页 |
| ·量子遗传算法 | 第35页 |
| ·量子比特编码 | 第35-36页 |
| ·量子旋转门 | 第36-37页 |
| ·遗传算法优化步骤 | 第37-38页 |
| ·量子遗传算法优化BP 网络方法 | 第38-39页 |
| 本章小结 | 第39-40页 |
| 6 瓦斯涌出量预测模型的设计及优化过程 | 第40-53页 |
| ·基于BP 神经网络的瓦斯涌出量预测模型设计 | 第40-42页 |
| ·BP 神经网络的层数 | 第40页 |
| ·神经网络各层的神经元个数 | 第40-41页 |
| ·BP 神经网络初始权值的选取 | 第41页 |
| ·神经网络初始学习速率的选取 | 第41页 |
| ·BP 神经网络期望误差的选取 | 第41-42页 |
| ·遗传算法优化瓦斯涌出量权值和阈值的实现 | 第42-43页 |
| ·瓦斯涌出量神经网络预测模型的建立 | 第43-44页 |
| ·瓦斯预测模型的程序实现 | 第44-52页 |
| ·BP 算法中的主要函数和功能 | 第45-46页 |
| ·样本训练和预测 | 第46-51页 |
| ·瓦斯预测管理系统 | 第51-52页 |
| 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 攻读学位期间已发表的学术论文 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-58页 |
