基于支持向量机的矿井风温预测
| 摘要 | 第1-3页 |
| Abstract | 第3-5页 |
| 目录 | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·课题背景及研究意义 | 第8-11页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-11页 |
| ·国内外研究开发现状 | 第11-12页 |
| ·理论预测模型 | 第11页 |
| ·实验或实测预测模型 | 第11-12页 |
| ·数值模拟预测模型 | 第12页 |
| ·神经网络预测模型 | 第12页 |
| ·现有预测模式存在的不足 | 第12-13页 |
| ·本文主要研究内容 | 第13-14页 |
| ·矿井各阶段巷道内风温的主要影响因素分析 | 第13页 |
| ·支持向量机应用于矿井风温预测模型 | 第13页 |
| ·矿井风温预测软件开发 | 第13-14页 |
| ·技术路线图 | 第14页 |
| ·本章小结 | 第14-15页 |
| 2 矿井风流热湿交换分析 | 第15-27页 |
| ·矿井风流计算理论概述 | 第15-21页 |
| ·数理统计法 | 第15-17页 |
| ·模拟巷道法 | 第17-19页 |
| ·数值分析法 | 第19-21页 |
| ·矿井风流的质交换及含湿量的确定 | 第21-26页 |
| ·风流与环境的湿交换计算 | 第21-24页 |
| ·潮湿度系数的计算 | 第24-25页 |
| ·含湿量与相对湿度的计算 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 矿井风温影响因素的确定 | 第27-38页 |
| ·矿井风温的影响因素分析 | 第27-34页 |
| ·地表大气 | 第27-28页 |
| ·流体的自压缩（或膨胀） | 第28页 |
| ·围岩散热 | 第28-32页 |
| ·机电设备的放热 | 第32-33页 |
| ·运输中煤炭及矸石的散热 | 第33页 |
| ·热水的散热 | 第33-34页 |
| ·其他热源 | 第34页 |
| ·矿井各阶段巷道内风温的主要影响因素分析 | 第34-36页 |
| ·井筒风温 | 第35页 |
| ·巷道风温 | 第35-36页 |
| ·工作面风温 | 第36页 |
| ·本章小结 | 第36-38页 |
| 4 支持向量机应用于矿井风温预测 | 第38-62页 |
| ·统计学习理论 | 第38-43页 |
| ·学习问题的一般表示及经验风险最小化归纳原则 | 第38-39页 |
| ·学习过程的一致性 | 第39-40页 |
| ·学习机器推广能力的界 | 第40-41页 |
| ·控制学习过程的推广能力 | 第41-42页 |
| ·构造学习算法 | 第42-43页 |
| ·支持向量机 | 第43-51页 |
| ·支持向量机分类 | 第43-47页 |
| ·支持向量机的核函数 | 第47-48页 |
| ·支持向量机回归 | 第48-50页 |
| ·支持向量机算法 | 第50-51页 |
| ·建立支持向量机应用于矿井风温预测模型 | 第51页 |
| ·支持向量机应用于矿井风温预测实测 | 第51-60页 |
| ·资料来源 | 第52-54页 |
| ·试验软件 | 第54页 |
| ·数据的预处理 | 第54-55页 |
| ·SVM 的学习训练及预测 | 第55-60页 |
| ·预测结果分析 | 第60页 |
| ·本章小结 | 第60-62页 |
| 5 矿井风温预测软件模拟 | 第62-70页 |
| ·软件开发的前提及主要内容 | 第62页 |
| ·软件设计思想 | 第62-64页 |
| ·软件特点 | 第62-63页 |
| ·系统结构 | 第63-64页 |
| ·软件程序流程图 | 第64页 |
| ·软件的应用 | 第64-69页 |
| ·系统的运行环境 | 第64页 |
| ·软件的操作 | 第64-69页 |
| ·本章小结 | 第69-70页 |
| 6 结论及展望 | 第70-72页 |
| ·结论 | 第70-71页 |
| ·展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 附录 | 第75页 |
