| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究的背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 煤矿安全成本的研究现状 | 第12-13页 |
| 1.2.2 支持向量机的研究现状 | 第13页 |
| 1.2.3 灰色关联分析与其他方法的结合 | 第13-14页 |
| 1.3 研究内容及技术路线 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 1.4 研究方法及创新点 | 第16-17页 |
| 1.4.1 研究方法 | 第16页 |
| 1.4.2 创新点 | 第16-17页 |
| 第2章 煤矿安全成本的基础理论 | 第17-25页 |
| 2.1 煤矿安全成本的基本概念 | 第17页 |
| 2.2 煤矿安全成本的特点 | 第17-18页 |
| 2.3 煤矿安全成本的资金来源 | 第18-19页 |
| 2.4 煤矿安全成本影响因素分析 | 第19-23页 |
| 2.4.1 内部影响 | 第19-20页 |
| 2.4.2 外部影响 | 第20-23页 |
| 2.5 煤矿安全成本与效益 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 煤矿安全成本预测指标体系的建立 | 第25-32页 |
| 3.1 煤矿安全成本的构成 | 第25-28页 |
| 3.1.1 保证性安全成本构成要素分析 | 第25-27页 |
| 3.1.2 损失性安全成本构成要素分析 | 第27-28页 |
| 3.2 煤矿安全保证度 | 第28-29页 |
| 3.2.1 安全成本与安全保证度的关系 | 第28-29页 |
| 3.3 安全成本指标体系建立原则 | 第29-31页 |
| 3.4 指标体系的建立 | 第31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于支持向量机的煤矿安全成本预测模型 | 第32-48页 |
| 4.1 支持向量机的相关理论 | 第32-40页 |
| 4.1.1 统计学习理论 | 第32-35页 |
| 4.1.2 支持向量机理论 | 第35页 |
| 4.1.3 支持向量分类机 | 第35-38页 |
| 4.1.4 支持向量回归机 | 第38-40页 |
| 4.2 灰色关联分析法 | 第40-42页 |
| 4.2.1 灰色关联分析的优点 | 第41页 |
| 4.2.2 灰色关联度计算 | 第41-42页 |
| 4.3 模型参数优化与核参数的选择 | 第42-46页 |
| 4.3.1 模型参数优化 | 第42-44页 |
| 4.3.2 核函数 | 第44-45页 |
| 4.3.3 参数对预测模型的影响 | 第45-46页 |
| 4.4 基于支持向量机的煤矿安全成本预测模型建立流程及步骤 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 煤矿安全成本预测实例应用 | 第48-62页 |
| 5.1 数据搜索与整理 | 第48-50页 |
| 5.2 指标体系的约简 | 第50-53页 |
| 5.3 数据的归一化处理 | 第53-54页 |
| 5.4 核函数选择及训练 | 第54-58页 |
| 5.4.1 核函数选择 | 第54页 |
| 5.4.2 交叉验证优化参数的支持向量机回归预测 | 第54-55页 |
| 5.4.3 遗传算法优化参数的支持向量机回归预测 | 第55-56页 |
| 5.4.4 粒子群优化参数的支持向量回归预测 | 第56-58页 |
| 5.4.5 结果分析 | 第58页 |
| 5.5 安全成本配置优化建议 | 第58-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第6章 结论与展望 | 第62-64页 |
| 6.1 结论 | 第62页 |
| 6.2 不足与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 作者简介 | 第68页 |
| 发表论文与科研情况 | 第68-69页 |