首页--工业技术论文--矿业工程论文--矿山安全与劳动保护论文--矿井大气论文--煤(岩石)与瓦斯突出的预防和处理论文

掘进工作面煤与瓦斯突出非线性动态预测研究

致谢第4-5页
摘要第5-7页
Abstract第7-8页
1 绪论第12-28页
    1.1 本文选题的研究背景第12页
    1.2 煤与瓦斯突出机理及预测综述第12-26页
        1.2.1 煤与瓦斯突出机理研究综述第13-14页
        1.2.2 煤与瓦斯突出的预测研究综述第14-26页
    1.3 本文的主要研究内容和技术路线第26-28页
        1.3.1 本文的主要研究内容第26-27页
        1.3.2 本文的技术路线第27-28页
2 煤与瓦斯突出非线性动态预测指标的确定第28-51页
    2.1 地应力对煤与瓦斯突出区域分布的影响第28-31页
    2.2 煤的物理力学性质对煤与瓦斯突出的影响第31-37页
        2.2.1 煤体的构造影响第31-32页
        2.2.2 煤的强度特性影响第32-34页
        2.2.3 煤层厚度的影响第34-35页
        2.2.4 煤层顶底板岩石透气性的影响第35页
        2.2.5 开采深度的影响第35-36页
        2.2.6 煤层倾角的影响第36页
        2.2.7 煤层渗透率的影响第36-37页
    2.3 煤层瓦斯参数对煤与瓦斯突出的影响第37-41页
        2.3.1 煤层瓦斯含量的影响第37-40页
        2.3.2 煤层瓦斯压力的影响第40页
        2.3.3 煤层瓦斯涌出速度的影响第40-41页
        2.3.4 煤层瓦斯放散初速度的影响第41页
    2.4 非线性动态预测指标的确定第41-50页
        2.4.1 煤与瓦斯突出非线性动态预测指标体系构建的原则第41-42页
        2.4.2 基于层次分析法的非线性动态预测指标权重分析第42-48页
        2.4.3 煤与瓦斯突出非线性动态预测指标的确定第48-50页
    2.5 本章小结第50-51页
3 掘进工作面瓦斯浓度的混沌特征研究第51-74页
    3.1 动力系统与混沌概述第51-53页
        3.1.1 动力系统第51页
        3.1.2 混沌的定义与性质第51-53页
    3.2 掘进工作面瓦斯浓度数据的预处理第53-63页
        3.2.1 基于λ-岭回归估计的异常数据的处理第54-58页
        3.2.2 基于三次指数平滑数据缺失的处理第58-59页
        3.2.3 基于改进阈值函数的小波去燥处理第59-60页
        3.2.4 实例研究第60-63页
    3.3 瓦斯浓度时间序列的相空间重构第63-64页
    3.4 瓦斯浓度时间序列的时滞参数的选取第64-65页
    3.5 掘进工作面瓦斯浓度时间序列混沌特征的识别第65-73页
        3.5.1 关联维第66-67页
        3.5.2 二阶Renyi熵K_2第67页
        3.5.3 基于改进的小数据量算法的最大Lyapunov指数第67-70页
        3.5.4 掘进工作面瓦斯浓度混沌特征实例判定第70-73页
    3.6 本章小结第73-74页
4 掘进工作面瓦斯浓度的分形特征研究第74-89页
    4.1 分形理论概述第74-79页
        4.1.1 分形及分形几何第74-76页
        4.1.2 分形维数的计算方法第76-79页
    4.2 掘进工作面瓦斯浓度时间序列分形特征的判定第79-82页
        4.2.1 Hurst指数的估算第79-80页
        4.2.2 实例判定第80-82页
    4.3 掘进工作面瓦斯浓度的多重分形特征第82-88页
        4.3.1 多重分形维理论第82-83页
        4.3.2 求取瓦斯浓度时间序列的广义维数D_q第83-84页
        4.3.3 时间序列的广义Hurst指数估计第84-86页
        4.3.4 瓦斯浓度时间序列的多重分形谱分析第86页
        4.3.5 掘进工作面瓦斯浓度多重分形特征的判定第86-88页
    4.4 本章小结第88-89页
5 掘进工作面煤与瓦斯突出多因素非线性动态预测第89-127页
    5.1 支持向量机理论基础第89-99页
        5.1.1 VC维理论和结构风险最小化第89-90页
        5.1.2 SVM理论第90-96页
        5.1.3 构造核函数第96-97页
        5.1.4 LS-SVM第97-99页
    5.2 基于ASGSO算法的LS-SVM识别模型第99-107页
        5.2.1 基本GSO算法第99-102页
        5.2.2 自适应优化GSO算法第102-105页
        5.2.3 惩罚因子及核参数σ对LS-SVM的影响第105-106页
        5.2.4 ASGSO-LS-SVM模型的建立第106-107页
    5.3 基于ASGSO-LS-SVM的煤与瓦斯突出预测第107-120页
        5.3.1 获取数据第108页
        5.3.2 数据的预处理过程第108-109页
        5.3.3 特征的选择与提取第109-111页
        5.3.4 模式识别系统的训练与预测第111-112页
        5.3.5 基于ASGSO-LS-SVM的煤与瓦斯突出静态预测第112-116页
        5.3.6 基于ASGSO-LS-SVM的煤与瓦斯突出动态预测与验证第116-120页
    5.4 煤与瓦斯突出非线性动态预测管理系统开发第120-126页
        5.4.1 煤与瓦斯突出动态预测管理系统的功能设计第121-122页
        5.4.2 煤与瓦斯突出预测管理系统的硬件设计第122-123页
        5.4.3 煤与瓦斯突出预测管理系统的软件设计第123-126页
    5.5 本章小结第126-127页
6 结论与展望第127-129页
    6.1 结论第127-128页
    6.2 创新点第128页
    6.3 展望第128-129页
参考文献第129-135页
作者简历第135-138页
学位论文数据集第138-139页
附件第139-140页

论文共140页,点击 下载论文
上一篇:葛亭矿自然发火温度场演化规律研究
下一篇:鹤岗矿区复杂煤层直燃特性及防治技术研究