基于神经网络的巷道围岩稳定性分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·课题的提出 | 第9页 |
| ·国内外研究现状 | 第9-13页 |
| ·国外的研究现状 | 第10-12页 |
| ·国内的研究现状 | 第12-13页 |
| ·本文的研究方法和研究内容 | 第13-15页 |
| ·研究方法 | 第13-14页 |
| ·研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 2 巷道围岩稳定性分类指标的研究 | 第16-23页 |
| ·概述 | 第16页 |
| ·确定巷道围岩稳定性分类指标的原则和方法 | 第16-18页 |
| ·确定分类指标的原则 | 第16-17页 |
| ·确定分类指标的方法 | 第17-18页 |
| ·巷道围岩稳定性影响因素的综合分析 | 第18-22页 |
| ·巷道围岩稳定性分类指标的选取 | 第22-23页 |
| 3 人工神经网络概述 | 第23-39页 |
| ·人工神经网络的提出和发展 | 第23-26页 |
| ·人工神经网络的提出 | 第23页 |
| ·人工神经网络的发展 | 第23-26页 |
| ·神经元模型 | 第26-30页 |
| ·单输入神经元 | 第26-27页 |
| ·传输函数 | 第27-29页 |
| ·多输入神经元 | 第29-30页 |
| ·神经网络的结构 | 第30-32页 |
| ·人工神经网络的学习方法 | 第32-35页 |
| ·学习方式 | 第32-34页 |
| ·学习规则 | 第34-35页 |
| ·几种常见的神经网络模型简介 | 第35-37页 |
| ·神经网络模型的选择 | 第37-39页 |
| 4 巷道围岩稳定性分类的 BP 神经网络模型 | 第39-60页 |
| ·BP 神经网络 | 第39-46页 |
| ·BP 神经网络结构 | 第39-40页 |
| ·BP 算法 | 第40-43页 |
| ·标准 BP 算法的不足 | 第43-44页 |
| ·几种改进的 BP 算法 | 第44-46页 |
| ·BP 神经网络的改进 | 第46-54页 |
| ·BP 算法的改进 | 第46-52页 |
| ·泛化能力的改进 | 第52-54页 |
| ·改进的 BP 神经网络模型的建立 | 第54-56页 |
| ·网络层数的确定 | 第54-55页 |
| ·输入和输出层的设计 | 第55页 |
| ·隐含层的设计 | 第55页 |
| ·传输函数的选取 | 第55-56页 |
| ·训练样本集合的整理 | 第56-57页 |
| ·模型训练 | 第57-59页 |
| ·模型测试 | 第59-60页 |
| 5 巷道围岩稳定性分类的 BP 神经网络系统 | 第60-71页 |
| ·开发环境 | 第60-61页 |
| ·操作系统 | 第60页 |
| ·开发工具 | 第60页 |
| ·开发技术 | 第60-61页 |
| ·系统分析 | 第61-62页 |
| ·系统设计 | 第62-67页 |
| ·系统的总体设计 | 第62页 |
| ·程序流程 | 第62-63页 |
| ·主要的对象模型 | 第63-64页 |
| ·编码设计 | 第64-67页 |
| ·系统的主要功能界面说明 | 第67-71页 |
| 6 结论 | 第71-72页 |
| 参考文献 | 第72-83页 |
| 致谢 | 第83页 |
