| 中文摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题的研究背景 | 第11页 |
| ·课题的研究目的和意义 | 第11-12页 |
| ·研究现状 | 第12-14页 |
| ·研究内容 | 第14页 |
| ·论文的组织结构 | 第14-17页 |
| 第二章 混沌理论及最大Lyapunov指数预测模型 | 第17-25页 |
| ·混沌理论 | 第17-18页 |
| ·混沌理论相关技术 | 第18-20页 |
| ·混沌现象的判别 | 第18-20页 |
| ·相空间重构技术 | 第20页 |
| ·嵌入维m和时间延迟τ的选取 | 第20-24页 |
| ·参数不相关法 | 第21-23页 |
| ·参数相关法 | 第23-24页 |
| ·基于最大Lyapunov指数的预测模型 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 单传感器数据瓦斯浓度预测模型及实验分析 | 第25-33页 |
| ·改进最大Lyapunov指数预测算法 | 第25-27页 |
| ·实验模拟及分析 | 第27-31页 |
| ·数据对象 | 第27页 |
| ·实验分析 | 第27-31页 |
| ·本章小结 | 第31-33页 |
| 第四章 多传感器数据瓦斯浓度预测模型及实验分析 | 第33-43页 |
| ·多传感器数据的相关性分析 | 第33-34页 |
| ·多传感器数据的改进最大Lyapunov指数预测算法 | 第34-36页 |
| ·多变量的相空间重构 | 第34页 |
| ·多传感器数据的改进最大Lyapunov指数预测算法 | 第34-36页 |
| ·实验模拟及分析 | 第36-41页 |
| ·预测流程 | 第36页 |
| ·多传感器数据预处理 | 第36-37页 |
| ·多传感器数据瓦斯浓度预测实验分析 | 第37-39页 |
| ·与BP神经网络预测模型实验对比及分析 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 总结与展望 | 第43-45页 |
| ·总结 | 第43-44页 |
| ·展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 攻读学位期间取得的研究成果 | 第49-51页 |
| 致谢 | 第51-53页 |
| 个人简况及联系方式 | 第53-55页 |
| 承诺书 | 第55-57页 |
