基于优化支持向量机的煤与瓦斯突出预测研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-19页 |
| ·研究背景 | 第10-11页 |
| ·研究目的及意义 | 第11-12页 |
| ·国内外煤与瓦斯突出预测研究现状 | 第12-16页 |
| ·研究内容与方法 | 第16-17页 |
| ·研究内容 | 第16页 |
| ·研究方法 | 第16-17页 |
| ·论文结构 | 第17页 |
| ·技术路线 | 第17-19页 |
| 2 煤与瓦斯突出机理及突出影响因素 | 第19-29页 |
| ·煤与瓦斯突出机理 | 第19-20页 |
| ·煤与瓦斯突出发生条件及发展过程 | 第20-22页 |
| ·煤与瓦斯突出发生的条件 | 第20-21页 |
| ·煤与瓦斯突出的发展过程 | 第21-22页 |
| ·煤与瓦斯突出的一般规律 | 第22页 |
| ·煤与瓦斯突出影响因素分析 | 第22-25页 |
| ·地质条件 | 第23页 |
| ·煤体物理性质 | 第23-24页 |
| ·煤层瓦斯参数 | 第24-25页 |
| ·基于灰色关联分析突出预测指标选取 | 第25-29页 |
| ·灰色关联度分析 | 第26-27页 |
| ·灰色关联度计算 | 第27-29页 |
| 3 基于统计学理论的支持向量机 | 第29-41页 |
| ·统计学习理论 | 第29-33页 |
| ·经验风险 | 第29-30页 |
| ·VC维理论 | 第30-31页 |
| ·推广性的界 | 第31-32页 |
| ·结构风险最小化 | 第32-33页 |
| ·支持向量机 | 第33-41页 |
| ·支持向量机思想 | 第34-35页 |
| ·支持向量机原理 | 第35-37页 |
| ·SVM模型建立 | 第37-39页 |
| ·SVM核函数选择 | 第39页 |
| ·参数对SVM性能影响 | 第39-41页 |
| 4 SVM参数优化算法 | 第41-53页 |
| ·粒子群优化算法 | 第41-45页 |
| ·粒子群算法原理 | 第41-43页 |
| ·粒子群算法操作 | 第43-44页 |
| ·粒子群算法特点 | 第44页 |
| ·PSO-SVM模型 | 第44-45页 |
| ·遗传优化算法 | 第45-51页 |
| ·遗传算法原理 | 第45-48页 |
| ·遗传算法操作 | 第48-49页 |
| ·遗传算法特点 | 第49-50页 |
| ·GA-SVM模型 | 第50-51页 |
| ·粒子群算法与遗传算法分析比较 | 第51-53页 |
| 5 支持向量机在煤与瓦斯突出预测中的应用 | 第53-62页 |
| ·突出危险评定指标测定 | 第53-57页 |
| ·瓦斯压力测定 | 第53-55页 |
| ·坚固系数测定 | 第55-56页 |
| ·瓦斯放散初速度测定 | 第56-57页 |
| ·基于SVM突出危险性预测及结果分析 | 第57-60页 |
| ·煤与瓦斯突出样本及危险等级选取 | 第57-58页 |
| ·PSO-SVM预测模型 | 第58-59页 |
| ·GA-SVM预测模型 | 第59-60页 |
| ·结果分析 | 第60页 |
| ·工程应用 | 第60-62页 |
| 结论 | 第62-63页 |
| 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 作者简历 | 第67-69页 |
| 学位论文数据集 | 第69页 |
