| 西北师范大学研究生学位论文作者信息 | 第5-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 预警监测系统国外研究现状 | 第11-12页 |
| 1.2.2 预警监测系统国内研究现状 | 第12页 |
| 1.2.3 存在的问题 | 第12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 2 灾害预警关键技术 | 第14-25页 |
| 2.1 数据融合技术 | 第14-15页 |
| 2.1.1 数据融合的作用 | 第14页 |
| 2.1.2 数据融合模型分类 | 第14-15页 |
| 2.2 神经网络算法 | 第15-21页 |
| 2.2.1 神经网络发展历史 | 第16-17页 |
| 2.2.2 BP 神经网络 | 第17-21页 |
| 2.3 遗传算法 | 第21-22页 |
| 2.3.1 遗传算法的概念 | 第21-22页 |
| 2.3.2 遗传算法的特点 | 第22页 |
| 2.4 web service 技术 | 第22-25页 |
| 2.4.1 Web service 概念 | 第23页 |
| 2.4.2 SOA 概念及模型 | 第23页 |
| 2.4.3 SOA 的特点 | 第23-25页 |
| 3 预警与应急联动系统 | 第25-48页 |
| 3.1 改进的自适应加权数据融合方法 | 第25-28页 |
| 3.2 BP 神经网络瓦斯灾害预警模型 | 第28-30页 |
| 3.2.1 BP 神经网络进行灾害预测的原理 | 第28页 |
| 3.2.2 BP 神经网络预测方法 | 第28页 |
| 3.2.3 BP 神经网络预测的基本歩骤 | 第28-29页 |
| 3.2.4 BP 神经网络进行煤矿瓦斯灾害预测的 matalab 实现 | 第29-30页 |
| 3.3 遗传 BP 神经网络煤矿瓦斯灾害预警模型 | 第30-36页 |
| 3.3.1 遗传优化 BP 神经网络建模 | 第30-31页 |
| 3.3.2 遗传优化的 BP 神经网络算法的实现 | 第31-33页 |
| 3.3.3 系统实现的主要算法 | 第33-36页 |
| 3.4 系统具体设计 | 第36-48页 |
| 3.4.1 系统需求分析 | 第36页 |
| 3.4.2 系统开发原则 | 第36页 |
| 3.4.3 系统开发、运行环境 | 第36-37页 |
| 3.4.4 系统架构 | 第37-38页 |
| 3.4.5 数据库设计 | 第38-40页 |
| 3.4.6 应急联动模块设计 | 第40-43页 |
| 3.4.7 系统功能模块介绍 | 第43-48页 |
| 4 预警结果分析 | 第48-53页 |
| 4.1 BP 神经网络训练 | 第50页 |
| 4.2 遗传优化的 BP 神经网络训练 | 第50-51页 |
| 4.3 实验结果对比分析 | 第51-53页 |
| 5 总结与展望 | 第53-54页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56页 |