致谢 | 第1-6页 |
摘要 | 第6-8页 |
Abstract | 第8-18页 |
图清单 | 第18-22页 |
表清单 | 第22-23页 |
变量注释表 | 第23-24页 |
1 绪论 | 第24-38页 |
·课题来源 | 第24页 |
·选题背景与研究意义 | 第24-27页 |
·应用与研究现状 | 第27-35页 |
·论文的主要研究内容、创新点及技术路线 | 第35-38页 |
2 工作面瓦斯涌出量预测煤与瓦斯突出理论基础 | 第38-52页 |
·工作面瓦斯动态涌出量影响因素分析 | 第38-41页 |
·工作面瓦斯涌出量预测瓦斯突出理论基础 | 第41-44页 |
·研究实例 | 第44-50页 |
·本章小结 | 第50-52页 |
3 工作面瓦斯涌出量时序混沌特性分析 | 第52-70页 |
·相空间重构理论参数选取 | 第53-57页 |
·定性的时间序列数据混沌特性识别 | 第57-61页 |
·混沌时间序列的最大Lyapunov指数 | 第61-68页 |
·本章小结 | 第68-70页 |
4 基于改进G-P算法的关联维数求取 | 第70-86页 |
·算法理论 | 第71-75页 |
·基于FCM的典型混沌动力学系统的关联维数研究 | 第75-81页 |
·掘进工作面瓦斯时间序列数据的关联维数 | 第81-84页 |
·本章小结 | 第84-86页 |
5 基于改进R/S分析的工作面瓦斯涌出量时间序列分形特性研究 | 第86-100页 |
·R/S 类分析法的基本原理 | 第87-91页 |
·R/S类分析方法对比研究 | 第91-96页 |
·掘进工作面瓦斯涌出量时间序列长程趋势分析 | 第96-99页 |
·本章小结 | 第99-100页 |
6 基于Bayesian推理的LS-SVM工作面瓦斯涌出量短期预测 | 第100-118页 |
·LS-SVM回归模型基本原理 | 第101-103页 |
·基于Bayesian推理的LS-SVM回归模型 | 第103-107页 |
·基于Bayesian推理的LS-SVM瓦斯涌出量时间序列预测研究 | 第107-116页 |
·本章小结 | 第116-118页 |
7 基于BWLS-SVM工作面瓦斯涌出量短期预测 | 第118-128页 |
·加权LS-SVM的基本原理 | 第118-119页 |
·基于BWLS-SVM的工作面瓦斯时间序列预测研究 | 第119-126页 |
·本章小结 | 第126-128页 |
8 结论 | 第128-130页 |
·主要结论 | 第128-129页 |
·研究展望 | 第129-130页 |
参考文献 | 第130-142页 |
作者简历 | 第142-145页 |
学位论文数据集 | 第145页 |