| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-23页 |
| ·选题背景和意义 | 第13-14页 |
| ·课题研究现状及发展趋势 | 第14-19页 |
| ·煤与瓦斯突出预警的研究现状及发展趋势 | 第14-16页 |
| ·数据融合技术在瓦斯预警系统中的研究现状 | 第16-18页 |
| ·传感器管理技术在数据融合中的应用现状 | 第18-19页 |
| ·本文主要研究内容和创新点 | 第19-22页 |
| ·本文主要研究内容 | 第19-20页 |
| ·本文结构安排 | 第20-21页 |
| ·本文创新点 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 2 煤与瓦斯突出基础理论概述 | 第23-33页 |
| ·煤与瓦斯突出的机理 | 第23-24页 |
| ·煤与瓦斯突出的基本规律 | 第24-26页 |
| ·影响瓦斯突出的主要因素 | 第26-28页 |
| ·煤与瓦斯突出指标权重分析及常用指标介绍 | 第28-32页 |
| ·本章小结 | 第32-33页 |
| 3 多传感器数据融合及闭环瓦斯突出预测模型研究 | 第33-51页 |
| ·多传感器数据融合的理论基础 | 第33-39页 |
| ·信息融合的定义 | 第33-34页 |
| ·数据融合处理的基本过程 | 第34页 |
| ·数据融合系统结构和算法介绍 | 第34-39页 |
| ·数据融合闭环控制模型的构成及功能分析 | 第39-43页 |
| ·数据融合闭环控制模型的构成 | 第39-40页 |
| ·数据融合闭环系统控制模型功能模块性能分析 | 第40-43页 |
| ·基于多传感器信息融合的瓦斯突出预测模型的构建 | 第43-46页 |
| ·瓦斯突出预测闭环控制模型确立 | 第43-44页 |
| ·瓦斯突出预测模型中融合方式确定 | 第44-46页 |
| ·多传感器管理相关问题研究 | 第46-50页 |
| ·传感器管理与数据融合关系 | 第46-47页 |
| ·传感器管理的基本理论 | 第47-50页 |
| ·传感器管理算法 | 第50页 |
| ·本章小结 | 第50-51页 |
| 4 分层融合模式算法的确定 | 第51-81页 |
| ·特征层数据融合结构模型与算法的确定 | 第52-56页 |
| ·瓦斯突出特征级融合的结构模式 | 第53-55页 |
| ·瓦斯突出特征级融合算法的选取 | 第55-56页 |
| ·B-P 神经网络融合方法 | 第56-63页 |
| ·B-P 神经网络基本原理 | 第56-60页 |
| ·B-P 神经网络存在的问题 | 第60-61页 |
| ·B-P 神经网络改进算法 | 第61-63页 |
| ·基于改进的 B-P 神经网络在预测系统特征级信息融合中的应用 | 第63-67页 |
| ·基于 D-S 证据理论的决策层数据融合算法研究 | 第67-80页 |
| ·D-S 证据理论的基本概念 | 第68-70页 |
| ·D-S 证据理论的融合方法 | 第70-71页 |
| ·D-S 证据理论的决策规则 | 第71-73页 |
| ·D-S 证据理论的融合过程 | 第73-74页 |
| ·D-S 证据理论融合的优缺点 | 第74页 |
| ·D-S 证据理论的改进 | 第74-78页 |
| ·改进 D-S 证据理论融合规则的数值试验 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 5 基于信息融合技术的瓦斯突出预测 | 第81-91页 |
| ·预测样本的选取 | 第81-83页 |
| ·煤与瓦斯突出预测过程 | 第83-89页 |
| ·D-S 证据理论识别框架的确定 | 第83页 |
| ·证据体的确定 | 第83-88页 |
| ·基于 D-S 证据理的决策融合 | 第88页 |
| ·决策层融合结果分析 | 第88-89页 |
| ·本章小结 | 第89-91页 |
| 6 总结与展望 | 第91-94页 |
| ·本文总结 | 第91-92页 |
| ·展望 | 第92-94页 |
| 参考文献 | 第94-102页 |
| 作者简历 | 第102-103页 |
| 学位论文数据集 | 第103-104页 |