基于GA-RBF算法的采煤工作面瓦斯涌出量预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 1 绪论 | 第13-19页 |
| ·引言 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·国内研究现状 | 第14-15页 |
| ·国外研究现状 | 第15-16页 |
| ·主要研究内容及技术路线 | 第16-19页 |
| ·主要研究内容 | 第16页 |
| ·研究技术路线 | 第16-19页 |
| 2 煤层瓦斯涌出量的影响因素及预测方法 | 第19-31页 |
| ·瓦斯的概述 | 第19-20页 |
| ·瓦斯的基本概念 | 第19页 |
| ·瓦斯的生成 | 第19-20页 |
| ·瓦斯涌出量 | 第20-21页 |
| ·瓦斯涌出量的基本概念 | 第20页 |
| ·瓦斯涌出的形式 | 第20-21页 |
| ·影响瓦斯涌出量的因素 | 第21-23页 |
| ·自然因素 | 第21-22页 |
| ·开采因素 | 第22-23页 |
| ·瓦斯涌出量的预测方法 | 第23-29页 |
| ·矿山统计法 | 第24-25页 |
| ·分源预测法 | 第25-29页 |
| ·瓦斯地质数学模型法 | 第29页 |
| ·灰色系统预测方法 | 第29页 |
| ·本章小结 | 第29-31页 |
| 3 神经网络理论基础 | 第31-43页 |
| ·人工神经网络的特点 | 第31-32页 |
| ·RBF神经网络 | 第32-41页 |
| ·RBF神经网络结构 | 第32-33页 |
| ·RBF神经网络的生理学基础 | 第33-34页 |
| ·RBF神经网络的数学基础 | 第34-36页 |
| ·RBF神经网络的学习算法 | 第36-40页 |
| ·RBF神经网络不足 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 4 遗传算法优化RBF网络及模型建立 | 第43-57页 |
| ·遗传算法简介 | 第43-44页 |
| ·遗传算法概述 | 第43页 |
| ·遗传算法的特征 | 第43-44页 |
| ·遗传算法的操作流程 | 第44-46页 |
| ·遗传算法的基本原理 | 第46-50页 |
| ·编码 | 第46页 |
| ·适应度函数 | 第46页 |
| ·选择算子 | 第46-48页 |
| ·交叉算子 | 第48-49页 |
| ·变异算子 | 第49-50页 |
| ·GA-RBF预测模型建立 | 第50-56页 |
| ·遗传算法优化RBF网络的可行性 | 第50-51页 |
| ·GA-RBF算法设计 | 第51-54页 |
| ·GA-RBF算法流程 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 5 GA-RBF模型预测实例 | 第57-67页 |
| ·矿井概况 | 第57-58页 |
| ·瓦斯涌出量影响因素的选取 | 第58页 |
| ·MATLAB软件简介 | 第58-60页 |
| ·Matlab介绍 | 第58页 |
| ·Matlab工具箱介绍 | 第58-60页 |
| ·预测与分析 | 第60-66页 |
| ·模型参数的确定 | 第60-61页 |
| ·预测结果分析 | 第61-66页 |
| ·本章小结 | 第66-67页 |
| 6 结论与展望 | 第67-69页 |
| ·结论与成果 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 作者简介及读研期间主要科研成果 | 第73页 |
