基于混沌时间序列的瓦斯浓度预测研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-12页 |
| ·引言 | 第9-10页 |
| ·研究现状 | 第10页 |
| ·论文的主要工作 | 第10-11页 |
| ·课题来源 | 第11-12页 |
| 2 瓦斯的产生及其预测方法 | 第12-16页 |
| ·瓦斯的产生 | 第12-13页 |
| ·瓦斯的基本概念 | 第12-13页 |
| ·瓦斯的产生 | 第13页 |
| ·常见瓦斯浓度预测方法简介 | 第13-15页 |
| ·灰色预测模型 | 第14页 |
| ·混沌时间序列预测模型 | 第14-15页 |
| ·神经网络预测模型 | 第15页 |
| ·本章小结 | 第15-16页 |
| 3 混沌时间序列的基本理论 | 第16-23页 |
| ·混沌理论的起源和发展 | 第16-17页 |
| ·混沌的定义 | 第17-18页 |
| ·Li-Yorke 的混沌定义 | 第18页 |
| ·Devaney 的混沌定义 | 第18页 |
| ·混沌的基本概念 | 第18-20页 |
| ·耗散系统 | 第18-19页 |
| ·吸引子 | 第19-20页 |
| ·混沌的特点和分类 | 第20-22页 |
| ·混沌的特点 | 第20-21页 |
| ·混沌的分类 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 4 奇异吸引子特征及分析方法 | 第23-35页 |
| ·混沌时间序列的识别 | 第23-26页 |
| ·Lyapunov 指数 | 第24-25页 |
| ·Lyapunov 指数的计算 | 第25-26页 |
| ·混沌时间序列相空间重构理论 | 第26-33页 |
| ·嵌入维数的确定 | 第27-29页 |
| ·嵌入延迟的确定 | 第29-31页 |
| ·嵌入窗宽的确定 | 第31-33页 |
| ·混沌时间序列预测 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 5 神经网络理论 | 第35-48页 |
| ·人工神经网络的起源和发展 | 第35-36页 |
| ·神经网络的分类及特点 | 第36-37页 |
| ·神经网络基本理论 | 第37页 |
| ·神经网络的构成 | 第37-39页 |
| ·多层前向神经网络及误差反向传播神经网络 | 第39-42页 |
| ·BP 神经节点的输入输出关系 | 第39-40页 |
| ·误差反向传播算法 | 第40-42页 |
| ·RBF 神经网络 | 第42-43页 |
| ·RBF 神经节点的输入输出关系 | 第42-43页 |
| ·RBF 神经网络的学习算法 | 第43页 |
| ·神经网络的设计 | 第43-44页 |
| ·训练样本集的准备 | 第43-44页 |
| ·输入输出节点数的设计 | 第44页 |
| ·隐层节点的设计 | 第44页 |
| ·基于神经网络的混沌时间序列预测方法 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 6 瓦斯浓度预测模型的建立 | 第48-57页 |
| ·重构相空间在瓦斯浓度时间序列分析中的应用 | 第49-51页 |
| ·瓦斯浓度序列混沌特性的判定 | 第51-53页 |
| ·瓦斯浓度时间按序列时间序列神经网络预报模型 | 第53-54页 |
| ·预测结果分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 7 结论和展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 附录 | 第61页 |
