| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 概述 | 第10-18页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究现状 | 第11-15页 |
| 1.2.1 瓦斯涌出量预测研究现状 | 第11-13页 |
| 1.2.2 神经网络研究现状 | 第13-15页 |
| 1.3 课题研究技术路线及意义 | 第15-18页 |
| 1.3.1 技术路线 | 第15-16页 |
| 1.3.2 研究意义 | 第16-18页 |
| 第二章 瓦斯涌出量相关基本理论 | 第18-32页 |
| 2.1 瓦斯的生成及其赋存 | 第18-20页 |
| 2.1.1 瓦斯的概念 | 第18页 |
| 2.1.2 煤层瓦斯的生成 | 第18-19页 |
| 2.1.3 瓦斯的赋存形式 | 第19-20页 |
| 2.2 瓦斯的流动理论 | 第20-24页 |
| 2.2.1 瓦斯流动的基本理论 | 第20-22页 |
| 2.2.2 瓦斯在煤层中的运移 | 第22-24页 |
| 2.3 瓦斯涌出量的主要影响因素 | 第24-27页 |
| 2.3.1 地质因素 | 第25页 |
| 2.3.2 自然因素 | 第25-26页 |
| 2.3.3 开采因素 | 第26-27页 |
| 2.4 矿井瓦斯涌出量预测——分源预测法 | 第27-31页 |
| 2.4.1 回采工作面瓦斯涌出量预测 | 第27-29页 |
| 2.4.2 掘进工作面瓦斯涌出量预测 | 第29-30页 |
| 2.4.3 生产采区瓦斯涌出量预测 | 第30-31页 |
| 2.4.4 矿井瓦斯涌出量预测 | 第31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 瓦斯涌出量预测参数的确定 | 第32-40页 |
| 3.1 灰色预测理论概述 | 第32-33页 |
| 3.2 GM(1,1)预测模型的构建 | 第33-35页 |
| 3.3 灰色关联分析理论 | 第35-38页 |
| 3.3.1 灰色关联分析理论概述 | 第35页 |
| 3.3.2 灰色关联分析主要步骤 | 第35-36页 |
| 3.3.3 分辨系数ρ的改进 | 第36-38页 |
| 3.4 基于改进的分辨系数的灰色关联分析在东曲矿中的应用 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 瓦斯涌出量预测模型的构建 | 第40-58页 |
| 4.1 人工神经元简介 | 第40-42页 |
| 4.1.1 人工神经元数学模型 | 第40页 |
| 4.1.2 人工神经网络构成要素 | 第40-42页 |
| 4.1.3 人工神经元功能函数 | 第42页 |
| 4.2 BP神经网络及其模型 | 第42-49页 |
| 4.2.1 BP神经网络基本简介 | 第42-44页 |
| 4.2.2 BP神经网络的工作原理 | 第44-46页 |
| 4.2.3 BP神经网络灰色模型的建立及其学习过程 | 第46-49页 |
| 4.3 RBF神经网络及其模型 | 第49-57页 |
| 4.3.1 RBF神经网络工作原理 | 第49-52页 |
| 4.3.2 RBF神经网络模型的改进 | 第52-55页 |
| 4.3.3 RBF神经网络灰色模型的建立及其学习过程 | 第55-57页 |
| 4.4 BP网络和RBF网络预测模型的比较 | 第57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 东曲矿瓦斯涌出量预测模型的仿真 | 第58-70页 |
| 5.1 东曲矿概况 | 第58-61页 |
| 5.1.1 地理位置 | 第58页 |
| 5.1.2 煤层赋存及其地质构造 | 第58-59页 |
| 5.1.3 矿井的通风情况 | 第59-60页 |
| 5.1.4 矿井瓦斯情况 | 第60-61页 |
| 5.2 仿真实验平台——MATLAB简介 | 第61-63页 |
| 5.3 仿真实验的过程及结果分析 | 第63-68页 |
| 5.3.1 实验数据的选择与处理 | 第63-65页 |
| 5.3.2 预测模型的建立 | 第65-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第六章 小结与展望 | 第70-72页 |
| 6.1 小结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读学位期间发表的学术论文 | 第78页 |
