| 致谢 | 第3-4页 |
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第17-30页 |
| 1.1 课题背景及研究意义 | 第17-19页 |
| 1.2 研究现状 | 第19-27页 |
| 1.3 本文研究内容及思路 | 第27-29页 |
| 1.4 论文章节 | 第29-30页 |
| 2 煤矿监控数据时间序列分析 | 第30-53页 |
| 2.1 煤矿监控数据分析 | 第31-35页 |
| 2.2 时间序列预测 | 第35-43页 |
| 2.3 时间序列异常检测 | 第43-52页 |
| 2.4 本章小结 | 第52-53页 |
| 3 基于长短期记忆网络的瓦斯时间序列预测 | 第53-73页 |
| 3.1 长短期记忆网络 | 第53-58页 |
| 3.2 基于长短期记忆网络的瓦斯时间序列预测 | 第58-72页 |
| 3.3 本章小结 | 第72-73页 |
| 4 基于灰狼优化算法的长短期记忆网络在瓦斯时间序列预测中的应用 | 第73-85页 |
| 4.1 灰狼优化算法 | 第73-76页 |
| 4.2 基于灰狼优化算法的长短期记忆网络 | 第76-80页 |
| 4.3 基于灰狼优化算法的LSTM瓦斯浓度预测模型 | 第80-84页 |
| 4.4 本章小结 | 第84-85页 |
| 5 瓦斯浓度状态识别 | 第85-111页 |
| 5.1 多维时间序列分类 | 第85-89页 |
| 5.2 基于深度信念网的多维时间序列分类 | 第89-93页 |
| 5.3 基于Cycle_DBN的多维时间序列识别模型 | 第93-97页 |
| 5.4 基于Cycle_DBN的瓦斯浓度状态识别模型 | 第97-107页 |
| 5.5 自适应瓦斯浓度状态识别模型 | 第107-109页 |
| 5.6 本章小结 | 第109-111页 |
| 6 瓦斯突出预警模型的研究 | 第111-118页 |
| 6.1 瓦斯浓度变化与地压之间的关系 | 第112-114页 |
| 6.2 瓦斯浓度变化与瓦斯含量之间的关系 | 第114页 |
| 6.3 瓦斯浓度变化与煤结构之间的关系 | 第114-115页 |
| 6.4 瓦斯突出预警模型 | 第115-117页 |
| 6.5 本章小结 | 第117-118页 |
| 7 结论与展望 | 第118-120页 |
| 7.1 研究内容总结 | 第118-119页 |
| 7.2 工作展望 | 第119-120页 |
| 参考文献 | 第120-128页 |
| 作者简历 | 第128-131页 |
| 学位论文数据集 | 第131页 |
