| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-16页 |
| ·选题的研究背景和意义 | 第9-10页 |
| ·国内外瓦斯涌出量预测的研究现状和发展趋势 | 第10-11页 |
| ·混沌理论和小波分析的研究现状 | 第11-13页 |
| ·混沌理论的研究现状 | 第11-12页 |
| ·小波分析的研究现状 | 第12-13页 |
| ·问题的提出 | 第13-14页 |
| ·论文主要研究内容 | 第14-15页 |
| ·技术路线 | 第15-16页 |
| 2 基于混沌理论的瓦斯时间序列预测 | 第16-26页 |
| ·煤矿瓦斯时间序列的混沌性 | 第16-19页 |
| ·混沌时间序列 | 第16页 |
| ·煤矿瓦斯时间序列的混沌性 | 第16-19页 |
| ·混沌时间序列的预测方法 | 第19-22页 |
| ·相空间重构原理 | 第19页 |
| ·嵌入维数的确定 | 第19-20页 |
| ·延迟时间的确定 | 第20页 |
| ·加权一阶局域预测法 | 第20-21页 |
| ·最大Lyapunov指数预测法 | 第21-22页 |
| ·基于混沌理论的瓦斯时间序列预测 | 第22-24页 |
| ·瓦斯时间序列预测模型的建立 | 第22-23页 |
| ·预测结果分析 | 第23-24页 |
| ·小结 | 第24-26页 |
| 3 基于IABC-RBF算法的瓦斯时间序列优化预测 | 第26-49页 |
| ·改进人工蜂群算法 | 第26-35页 |
| ·标准人工蜂群算法 | 第26-29页 |
| ·改进人工蜂群算法 | 第29-31页 |
| ·IABC算法仿真 | 第31-35页 |
| ·RBF神经网络 | 第35-39页 |
| ·基于动态节点构造RBF神经网络 | 第35-38页 |
| ·RBF神经网络删除策略 | 第38-39页 |
| ·基于IABC-RBF算法的瓦斯时间序列优化预测 | 第39-47页 |
| ·IABC-RBF耦合算法的基本原理 | 第39-41页 |
| ·IABC-RBF耦合算法流程图 | 第41页 |
| ·基于IABC-RBF算法的瓦斯时间序列优化预测 | 第41-47页 |
| ·小结 | 第47-49页 |
| 4 基于小波分析的瓦斯时间序列优化预测 | 第49-66页 |
| ·小波分析 | 第49-52页 |
| ·小波变换概念 | 第49-50页 |
| ·多分辨分析 | 第50-52页 |
| ·小波去噪 | 第52-60页 |
| ·小波去噪的基本原理 | 第52-54页 |
| ·小波去噪参数选择 | 第54-60页 |
| ·基于小波分析的瓦斯时间序列预测 | 第60-65页 |
| ·瓦斯时间序列去噪分析 | 第60-62页 |
| ·基于小波-IABC-RBF算法的瓦斯时间序列预测 | 第62-65页 |
| ·小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 作者简历 | 第71-73页 |
| 学位论文数据集 | 第73页 |