| 目录 | 第1-7页 |
| 中文摘要 | 第7-8页 |
| 中文关键词 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 英文关键词 | 第10-11页 |
| 第一章 绪论 | 第11-24页 |
| 1．1 引言 | 第11-13页 |
| 1．1．1 煤炭是全球最重要的化石能资源 | 第11页 |
| 1．1．2 煤炭在中国经济发展中有着特别重要的地位和作用 | 第11-12页 |
| 1．1．3 安全是煤炭工业可持续发展的重要保障 | 第12-13页 |
| 1．2 安全评价中的几个基本概念及其相互关系的研究 | 第13-18页 |
| 1．2．1 安全与危险 | 第13-14页 |
| 1．2．2 安全与事故 | 第14-16页 |
| 1．2．3 事故与隐患 | 第16页 |
| 1．2．4 安全、危险、事故、隐患之间的关系 | 第16页 |
| 1．2．5 安全评价 | 第16-17页 |
| 1．2．6 安全预测 | 第17-18页 |
| 1．3 课题研究的背景 | 第18-21页 |
| 1．3．1 国外的研究和应用背景 | 第18-21页 |
| 1．3．2 国内的研究与应用概况 | 第21页 |
| 1．4 研究论文选题的由来及意义 | 第21-22页 |
| 1．5 论文研究的主要内容、方法 | 第22-24页 |
| 第二章 煤矿安全管理评价现状及评价方法选择研究 | 第24-37页 |
| 2．1 煤矿安全管理现状及存在的问题 | 第24页 |
| 2．2 安全评价的现状及其发展趋势 | 第24-25页 |
| 2．2．1 工业安全评价的现状 | 第24-25页 |
| 2．2．2 安全评价的发展趋势 | 第25页 |
| 2．3 现有煤矿安全评价中存在的若干问题 | 第25-29页 |
| 2．3．1 煤矿井下灾害系统的结构特点 | 第26-27页 |
| 2．3．2 煤矿生产过程安全评价的目的和关键问题 | 第27-29页 |
| 2．4 现有安全评价方法分析及其安全评价方法的选择 | 第29-36页 |
| 2．4．1 安全评价方法综述及分析 | 第29-33页 |
| 2．4．2 现有煤矿安全评价方法概述 | 第33-35页 |
| 2．4．3 评价方法的选择 | 第35-36页 |
| 2．5 本章小结 | 第36-37页 |
| 第三章 人工神经网络技术及其在安全评价中的适应性研究 | 第37-46页 |
| 3．1 引言 | 第37-38页 |
| 3．1．1 人工神经网络的基本原理 | 第37页 |
| 3．1．2 人工神经网络的一般框架 | 第37-38页 |
| 3．2 人工神经网络的研究与发展概况 | 第38-40页 |
| 3．3 人工神经网络的能力 | 第40-43页 |
| 3．3．1 神经网络的存储能力 | 第40-41页 |
| 3．3．2 神经网络的计算能力 | 第41-42页 |
| 3．3．3 人工神经网络的特性 | 第42-43页 |
| 3．4 人工神经网络技术未来展望 | 第43页 |
| 3．5 神经网络在矿井安全评价中的适应性分析 | 第43-45页 |
| 3．5．1 传统的矿井事故系统分析方法存在的问题 | 第43-44页 |
| 3．5．2 非线性动力学安全评价模型所解决的问题 | 第44-45页 |
| 3．6 本章小结 | 第45-46页 |
| 第四章 矿井安全分析模型及其矿井安全评价指标体系研究 | 第46-61页 |
| 4．1 事故致因理论 | 第46-48页 |
| 4．1．1 事故频发倾向论 | 第46-47页 |
| 4．1．2 事故因果连锁论 | 第47-48页 |
| 4．2 安全分析方法 | 第48-49页 |
| 4．2．1 事故树（FTA） 分析方法 | 第48页 |
| 4．2．2 事件树（ETA）分析方法 | 第48-49页 |
| 4．2．3 因果分析法 | 第49页 |
| 4．2．4 人的因素分析方法 | 第49页 |
| 4．3 安全分析模型 | 第49-51页 |
| 4．3．1 事故与人机环境系统及其功能目标的架构关系 | 第49-50页 |
| 4．3．2 以人为本的人机环境系统分析模型 | 第50页 |
| 4．3．3 安全分析模型 | 第50-51页 |
| 4．4 评价指标体系的建立 | 第51-58页 |
| 4．4．1 安全评价指标体系建立的原则 | 第51-53页 |
| 4．4．2 安全评价指标体系的结构及评价指标的确定 | 第53-58页 |
| 4．5 安全评价模型的建立 | 第58-59页 |
| 4．5．1 静态与动态安全评价模型 | 第58页 |
| 4．5．2 安全评价模型确定的基本思想 | 第58-59页 |
| 4．6 本章小结 | 第59-61页 |
| 第五章 非线性灰色系统安全评价模型研究 | 第61-71页 |
| 5．1 灰色系统概述 | 第61-62页 |
| 5．2 灰色关联评价模型 | 第62-70页 |
| 5．2．1 灰色关联评价的方法和步骤 | 第62-64页 |
| 5．2．2 灰色评价模型中分辨系数p取值区间的理论分析 | 第64-68页 |
| 5．2．3 评价实例 | 第68-70页 |
| 5．3 评价结果分析 | 第70页 |
| 5．4 本章小结 | 第70-71页 |
| 第六章 人工神经网络动态安全评价模型研究 | 第71-87页 |
| 6．1 人工神经网络的基本结构和模型 | 第71-76页 |
| 6．1．1 神经元模型 | 第71-72页 |
| 6．1．2 激活转移函数 | 第72-74页 |
| 6．1．3 单层神经网络模型结构 | 第74-75页 |
| 6．1．4 多层神经网络结构 | 第75-76页 |
| 6．2 典型的神经网络模型 | 第76-79页 |
| 6．2．1 感知器模型 | 第76-77页 |
| 6．2．2 自适应线性网络模型 | 第77-79页 |
| 6．3 反向传播BP网络 | 第79-84页 |
| 6．3．1 BP网络模型与结构 | 第79页 |
| 6．3．2 BP网络的算法 | 第79-81页 |
| 6．3．3 BP网络的设计和训练 | 第81-84页 |
| 6．4 BP神经网络网络评价模型功能的改善方法 | 第84-86页 |
| 6．4．1 附加动量方法 | 第84-85页 |
| 6．4．2 误差函数的改进 | 第85-86页 |
| 6．4．3 自适应学习速率的调整 | 第86页 |
| 6．5 本章小结 | 第86-87页 |
| 第七章 基于人工神经网络的非线性系统安全评价应用研究 | 第87-104页 |
| 7．1 用于安全评价问题求解的神经网络设计 | 第87-91页 |
| 7．1．1 网络结构设计 | 第87-88页 |
| 7．1．2 评价网络模型训练过程的监控 | 第88-91页 |
| 7．2 矿井安全评价模型评价能力的训练 | 第91-103页 |
| 7．2．1 网络训练样本输入数据的初始化方法 | 第91页 |
| 7．2．2 网络训练样本数据和待评矿井安全数据的准备 | 第91页 |
| 7．2．3 网络训练过程及其结果 | 第91-103页 |
| 7．3 矿井安全评价结果 | 第103页 |
| 7．4 本章小结 | 第103-104页 |
| 第八章 矿井安全预测及非线性预测模型研究 | 第104-119页 |
| 8．1 矿井安全性预测的基本原则 | 第104-105页 |
| 8．2 矿井安全性预测的数学模型 | 第105-111页 |
| 8．2．1 回归预测模型 | 第105-106页 |
| 8．2．2 自回归预测模型 | 第106页 |
| 8．2．3 灰色数据序列预测模型 | 第106-107页 |
| 8．2．4 时间序列的人工神经网络安全预测模型 | 第107-111页 |
| 8．3 非线性安全预测模型的应用研究 | 第111-118页 |
| 8．3．1 非线性灰色预测模型的应用研究 | 第111-113页 |
| 8．3．2 人工神经网络安全预测模型的应用研究 | 第113-118页 |
| 8．4 本章小结 | 第118-119页 |
| 第九章 结论 | 第119-121页 |
| 参考文献 | 第121-129页 |
| 致谢 | 第129-130页 |
| 作者在博士学习期间发表论文、科研及其获奖情况 | 第130-133页 |
| 附录一、 矿井安全原始数据采集表 | 第133-136页 |
| 附录二、 矿井安全评价指标体系及其定量方法 | 第136-141页 |
