基于GA-SVM的煤层瓦斯涌出里量预测技术研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·研究的背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·国外研究现状 | 第11页 |
| ·国内研究现状 | 第11-14页 |
| ·主要研究内容 | 第14页 |
| ·研究方法与技术路线 | 第14-16页 |
| ·研究方法 | 第14-15页 |
| ·技术路线 | 第15-16页 |
| 2 煤层瓦斯涌出量的影响因素及常用预测方法 | 第16-25页 |
| ·矿井瓦斯的生成 | 第16页 |
| ·瓦斯涌出量 | 第16-17页 |
| ·影响瓦斯涌出量的因素 | 第17-19页 |
| ·自然因素 | 第17-18页 |
| ·开采技术因素 | 第18-19页 |
| ·瓦斯涌出量常用预测方法 | 第19-25页 |
| ·矿山统计法 | 第19-20页 |
| ·分源预测法 | 第20页 |
| ·多元线性回归分析法 | 第20-21页 |
| ·主成分分析法 | 第21-22页 |
| ·灰色系统理论 | 第22-23页 |
| ·时间序列分析 | 第23-25页 |
| 3 神经网络理论基础 | 第25-31页 |
| ·人工神经网络 | 第25-26页 |
| ·神经网络的特点 | 第26-27页 |
| ·SVM神经网络 | 第27-31页 |
| ·SVM基本思想 | 第27-28页 |
| ·SVM神经网络的数学基础 | 第28-29页 |
| ·SVM神经网络的训练算法 | 第29页 |
| ·SVM神经网络的优点与不足 | 第29-31页 |
| 4 遗传算法优化SVM网络及预测模型建立 | 第31-43页 |
| ·遗传算法简介 | 第31-32页 |
| ·遗传算法概述 | 第31页 |
| ·遗传算法的特点 | 第31-32页 |
| ·遗传算法的基本原理与方法 | 第32-37页 |
| ·编码 | 第32页 |
| ·选择算子 | 第32-33页 |
| ·交叉算子 | 第33-35页 |
| ·变异 | 第35-36页 |
| ·适应度函数 | 第36-37页 |
| ·遗传算法运算流程 | 第37-38页 |
| ·GA-SVM预测模型建立 | 第38-43页 |
| ·回归分析原理 | 第38-39页 |
| ·GA-SVM算法 | 第39-40页 |
| ·瓦斯涌出量影响因子选取 | 第40-42页 |
| ·预测模型建立 | 第42-43页 |
| 5 煤层瓦斯涌出量预测实验及分析 | 第43-64页 |
| ·样本数据选择 | 第43-45页 |
| ·仿真实验及分析 | 第45-59页 |
| ·GA-SVM模型与SVM及BP模型预测对比 | 第45-48页 |
| ·多元线性回归分析预测瓦斯涌出量 | 第48-51页 |
| ·主成分分析法预测瓦斯涌出量 | 第51-55页 |
| ·极限学习机回归拟合预测瓦斯涌出量 | 第55-57页 |
| ·小波神经网络预测瓦斯涌出量 | 第57-59页 |
| ·各预测模型结果对比及误差分析 | 第59-61页 |
| ·GA-SVM预测模型实际应用 | 第61-64页 |
| ·铁法矿业集团大平煤矿介绍 | 第61页 |
| ·预测模型实际应用 | 第61-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 作者简历 | 第68-70页 |
| 学位论文数据集 | 第70页 |
