首页--工业技术论文--矿业工程论文--矿山安全与劳动保护论文--矿山安全监测系统论文

基于闪烁萤火虫算法和参数模糊整定的矿山排土场位移在线预测研究

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第15-23页
    1.1 研究背景及意义第15-17页
    1.2 国内外研究现状第17-20页
        1.2.1 矿山排土场安全预警研究现状第17-18页
        1.2.2 支持向量机在预测及其应用性研究中的发展现状第18-20页
    1.3 本文的主要工作及内容安排第20-23页
第二章 矿山排土场的SVR理论基础和预测模型第23-33页
    2.1 统计学理论基础第23-25页
        2.1.1 VC维第23页
        2.1.2 经验风险最小化原则第23-24页
        2.1.3 结构风险最小化原则第24-25页
    2.2 回归支持向量机第25-27页
        2.2.1 线性回归支持向量机第25-27页
        2.2.2 非线性回归支持向量机第27页
    2.3 基于矿山排土场位移预测模型的SVR建模第27-32页
        2.3.1 排土场安全预测指标与关联度分析第27-31页
        2.3.2 基于表面位移的回归建模第31-32页
    2.4 本章小结第32-33页
第三章 基于双种群闪烁萤火虫算法的支持向量机参数寻优方法第33-47页
    3.1 基本萤火虫算法概述第33-36页
        3.1.1 基本算法第33-34页
        3.1.2 寻优过程分析第34页
        3.1.3 FA的吸引度分析第34-36页
    3.2 基于双种群协同和闪烁机制的萤火虫算法第36-39页
        3.2.1 萤火虫混沌闪烁机制第36-37页
        3.2.2 基于随机项的改进第37-38页
        3.2.3 双种群机制第38-39页
    3.3 算法的性能分析和比较第39-45页
        3.3.1 通用测试集函数第39-40页
        3.3.2 收敛精度分析第40-41页
        3.3.3 收敛速度分析第41-45页
    3.4 DFFA算法在支持向量回归机参数寻优应用第45-46页
        3.4.1 SVR参数寻优问题第45页
        3.4.2 DFFA算法处理实际矿山排土场数据集第45-46页
    3.5 本章小结第46-47页
第四章 基于特征样本缩减和参数模糊自整定的在线SVR优化第47-57页
    4.1 精确在线支持向量回归机第47-48页
    4.2 大规模数据集的FVS缩减方法第48-50页
    4.3 基于损失函数模糊自整定和样本缩减的在线学习第50-52页
        4.3.1 批量学习样本的FVS法第50页
        4.3.2 基于损失函数ε的模糊自整定第50-52页
    4.4 矿山排土场位移在线预测中的应用第52-56页
        4.4.1 离线训练第53-54页
        4.4.2 在线学习和预测第54-56页
    4.5 本章小结第56-57页
第五章 基于分布式系统的离线SVR位移训练方案第57-67页
    5.1 分布式基础第57-60页
        5.1.1 Hadoop基础第57-58页
        5.1.2 HDFS第58-59页
        5.1.3 MapReduce第59-60页
    5.2 基于分布式的SVR离线交叉模型训练第60-65页
        5.2.1 SVR-CV思想的分布式基础第60-62页
        5.2.2 基于Hadoop的并行最佳模型训练方法第62-63页
        5.2.3 基于Hadoop集群的实验分析第63-65页
    5.3 本章小结第65-67页
第六章 总结与展望第67-69页
参考文献第69-73页
致谢第73-75页
研究成果及发表的学术论文第75-77页
作者和导师简介第77-79页
附件第79-80页

论文共80页,点击 下载论文
上一篇:基于局部线性嵌入和指数判别分析的故障诊断方法研究
下一篇:基于Modbus TCP协议的工控网络入侵检测技术研究