| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·选题背景和研究意义 | 第9页 |
| ·国内外研究现状 | 第9-13页 |
| ·掘进通风瓦斯浓度研究现状 | 第10-11页 |
| ·掘进通风瓦斯浓度预测研究现状 | 第11-12页 |
| ·掘进通风瓦斯浓度神经网络预测研究现状 | 第12-13页 |
| ·研究内容、研究方法和技术路线 | 第13-16页 |
| ·研究内容和研究方法 | 第13-14页 |
| ·技术路线 | 第14-16页 |
| 2 掘进通风瓦斯浓度关键影响因素分析 | 第16-24页 |
| ·掘进通风分析 | 第16-18页 |
| ·掘进通风系统 | 第16页 |
| ·掘进通风方法 | 第16-18页 |
| ·掘进通风设备分析 | 第18-19页 |
| ·局部通风机 | 第18-19页 |
| ·风筒 | 第19页 |
| ·通风关键影响因素分析 | 第19-23页 |
| ·通风设备配置影响因素确定 | 第19-22页 |
| ·通风设备布局影响因素确定 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 掘进通风瓦斯浓度预测神经网络模型设计 | 第24-35页 |
| ·人工神经网络简介 | 第24-27页 |
| ·人工神经元模型 | 第24-25页 |
| ·人工神经网络类型 | 第25-26页 |
| ·人工神经网络学习算法 | 第26-27页 |
| ·BP 和 RBF 神经网络简介 | 第27-30页 |
| ·BP 神经网络 | 第27-28页 |
| ·RBF 神经网络 | 第28-29页 |
| ·RBF 和 BP 网络的区别 | 第29-30页 |
| ·瓦斯浓度 BP 预测模型设计 | 第30-34页 |
| ·样本集确定 | 第30-32页 |
| ·模型结构设计 | 第32-33页 |
| ·模型训练和测试 | 第33-34页 |
| ·瓦斯浓度 RBF 预测模型设计 | 第34页 |
| ·样本集确定 | 第34页 |
| ·模型结构设计 | 第34页 |
| ·模型测试 | 第34页 |
| ·本章小结 | 第34-35页 |
| 4 基于 MATLAB 的掘进通风瓦斯浓度预测模型实现 | 第35-44页 |
| ·MATLAB 简介 | 第35页 |
| ·BP 预测模型实现 | 第35-40页 |
| ·模型创建 | 第35-37页 |
| ·模型训练 | 第37-38页 |
| ·模型测试 | 第38-40页 |
| ·RBF 预测模型实现 | 第40-42页 |
| ·模型创建 | 第40-41页 |
| ·模型训练和测试 | 第41-42页 |
| ·BP 和 RBF 预测模型对比分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 5 掘进通风瓦斯浓度预测模型应用研究 | 第44-50页 |
| ·应用对象背景介绍 | 第44-46页 |
| ·不同掘进通风设备布局和配置参数方案设计 | 第46-48页 |
| ·不同掘进通风设备布局和配置参数方案对比分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 6 结论与展望 | 第50-52页 |
| ·结论 | 第50-51页 |
| ·展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57页 |