基于支持向量机的瓦斯预警专家系统的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-12页 |
| ·研究背景及意义 | 第9页 |
| ·研究现状与发展趋势 | 第9-10页 |
| ·本课题的主要工作及论文的内容安排 | 第10-12页 |
| 2 SVM 的基本理论 | 第12-20页 |
| ·概述 | 第12页 |
| ·机器学习和统计学习理论 | 第12-14页 |
| ·机器学习 | 第12-13页 |
| ·统计学习理论 | 第13-14页 |
| ·支持向量机理论 | 第14-18页 |
| ·基本概念 | 第14-15页 |
| ·线性支持向量机分类 | 第15-17页 |
| ·非线性支持向量机分类 | 第17-18页 |
| ·支持向量机研究现状 | 第18-19页 |
| ·训练算法的改进 | 第18页 |
| ·模型参数选择 | 第18-19页 |
| ·支持向量机的应用及发展方向 | 第19页 |
| ·本章小结 | 第19-20页 |
| 3 瓦斯突出预测的认识 | 第20-27页 |
| ·影响瓦斯涌出的因素 | 第20-23页 |
| ·地质因素 | 第20页 |
| ·开采因素 | 第20-22页 |
| ·自然因素 | 第22-23页 |
| ·正常区和瓦斯突出区的认识 | 第23页 |
| ·突出时的各参数特征 | 第23-24页 |
| ·参数的特征选择方法 | 第24-25页 |
| ·瓦斯突出的动态指标 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 4 瓦斯事故案例推理的理论 | 第27-32页 |
| ·事故案例的内容及存储 | 第27-28页 |
| ·事故案例的检索算法 | 第28-31页 |
| ·事故案例的学习 | 第31页 |
| ·本章小结 | 第31-32页 |
| 5 基于支持向量机的瓦斯预警专家系统的实现 | 第32-48页 |
| ·预测参数的选取及预处理 | 第32-34页 |
| ·预测参数的选取 | 第32页 |
| ·预测参数的特征采集 | 第32-33页 |
| ·特征归一化 | 第33页 |
| ·划分训练集与测试集 | 第33页 |
| ·特征参数的权值确定 | 第33-34页 |
| ·瓦斯突出的动态指标值的确定 | 第34-35页 |
| ·指标试验初值的确定 | 第34页 |
| ·试验结果及应用验证 | 第34-35页 |
| ·敏感指标及其临界值的确定 | 第35页 |
| ·瓦斯突出危险区的预警方法 | 第35页 |
| ·预测结果与分析 | 第35-36页 |
| ·瓦斯事故案例推理的设计实现 | 第36-41页 |
| ·事故案例的内容 | 第36-37页 |
| ·事故案例的存储 | 第37页 |
| ·事故案例的检索 | 第37-40页 |
| ·事故案例的学习 | 第40-41页 |
| ·基于SVM 的预警专家系统流程图 | 第41-42页 |
| ·作者参与(主持)研发的部分系统截图 | 第42-48页 |
| 6 结论 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录 | 第53页 |
