基于支持向量机和免疫遗传BP的瓦斯浓度预测研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题背景与意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-12页 |
| 1.3 本文的研究内容和论文章节安排 | 第12-15页 |
| 1.3.1 本文的研究内容 | 第12-13页 |
| 1.3.2 论文章节安排 | 第13-15页 |
| 2 基于支持向量机的瓦斯数据预处理方法研究 | 第15-24页 |
| 2.1 煤矿瓦斯特性及表示方法分析 | 第15-16页 |
| 2.1.1 煤矿瓦斯特性分析 | 第15页 |
| 2.1.2 煤矿瓦斯表示方法分析 | 第15-16页 |
| 2.2 矿井瓦斯监测数据的特点及分类 | 第16-17页 |
| 2.3 基于支持向量机的数据预处理的方法 | 第17-21页 |
| 2.3.1 异常数据处理方法 | 第17-18页 |
| 2.3.2 缺失数据处理方法 | 第18页 |
| 2.3.3 最小二乘支持向量机数据处理方法 | 第18-21页 |
| 2.4 最小二乘支持向量机去噪算法应用实例 | 第21-22页 |
| 2.5 本章小结 | 第22-24页 |
| 3 免疫遗传BP神经网络的预测器的建立 | 第24-35页 |
| 3.1 瓦斯浓度预测现状分析 | 第24页 |
| 3.2 免疫遗传BP神经网络算法的提出 | 第24-29页 |
| 3.2.1 BP神经网络 | 第24-27页 |
| 3.2.2 基于嵌入维m的BP神经网络结构设计 | 第27-29页 |
| 3.2.3 免疫遗传算法介绍 | 第29页 |
| 3.3 免疫遗传BP神经网络预测器的建立 | 第29-32页 |
| 3.3.1 免疫遗传算法流程 | 第29-30页 |
| 3.3.2 免疫遗传BP神经网络设计 | 第30-32页 |
| 3.4 免疫遗传BP神经网络的可行性验证 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于免疫遗传BP算法的瓦斯预测验证 | 第35-49页 |
| 4.1 瓦斯浓度预测——应用实例 | 第35-37页 |
| 4.1.1 免疫遗传BP神经网络具体设计 | 第35-36页 |
| 4.1.2 算法仿真验证 | 第36-37页 |
| 4.2 模拟瓦斯数据采集系统的设计 | 第37-44页 |
| 4.2.1 瓦斯数据采集系统硬件设计 | 第38-41页 |
| 4.2.2 瓦斯数据采集系统软件设计 | 第41-44页 |
| 4.3 基于本安型瓦斯监测实验平台的验证 | 第44-48页 |
| 4.3.1 瓦斯监测系统原理 | 第45-46页 |
| 4.3.2 基于瓦斯监测平台的实验分析 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 井下人员定位和无线通讯系统研究 | 第49-55页 |
| 5.1 井下人员定位系统的构成 | 第49-52页 |
| 5.1.1 井下人员定位系统硬件分析 | 第49-51页 |
| 5.1.2 井下人员定位系统软件分析 | 第51-52页 |
| 5.2 无线通信系统 | 第52-53页 |
| 5.3 三种系统协同工作 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 结论与展望 | 第55-57页 |
| 6.1 结论 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
