| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 矿井巷道摩擦阻力研究现状 | 第9-10页 |
| 1.2.2 支持向量机的研究现状 | 第10-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 研究方法 | 第13-14页 |
| 1.5 技术路线 | 第14-15页 |
| 2 支持向量机相关理论 | 第15-24页 |
| 2.1 统计学理论 | 第15-17页 |
| 2.1.1 机器学习 | 第15页 |
| 2.1.2 VC维 | 第15-16页 |
| 2.1.3 结构风险最小化 | 第16页 |
| 2.1.4 推广性的界 | 第16-17页 |
| 2.2 支持向量机 | 第17-22页 |
| 2.2.1 支持向量机原理 | 第17页 |
| 2.2.2 支持向量分类机 | 第17-20页 |
| 2.2.3 支持向量回归机 | 第20-22页 |
| 2.3 核函数 | 第22-23页 |
| 2.3.1 核函数定理 | 第22页 |
| 2.3.2 常用核函数 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基于支持向量机的矿井巷道摩擦阻力系数预测模型建立 | 第24-34页 |
| 3.1 矿井巷道摩擦阻力系数的影响因素分析及测定 | 第24-28页 |
| 3.1.1 矿井巷道摩擦阻力系数 | 第24页 |
| 3.1.2 矿井巷道摩擦阻力系数影响因素分析 | 第24-25页 |
| 3.1.3 矿井巷道摩擦阻力的参数测定 | 第25-26页 |
| 3.1.4 测定结果计算 | 第26-27页 |
| 3.1.5 测算结果分析 | 第27-28页 |
| 3.2 支持向量机预测模型的建立 | 第28-30页 |
| 3.2.1 预测模型的建立 | 第28-29页 |
| 3.2.2 预测模型评价指标 | 第29-30页 |
| 3.3 预测模型样本选择与预处理 | 第30-33页 |
| 3.3.1 预测模型样本的选择 | 第30-33页 |
| 3.3.2 样本数据预处理 | 第33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于支持向量机的矿井巷道摩擦阻力系数预测 | 第34-58页 |
| 4.1 预测模型参数的确定 | 第34-44页 |
| 4.1.1 参数的选取方法 | 第34-36页 |
| 4.1.2 参数的选取范围确定 | 第36-38页 |
| 4.1.3 锚喷巷道摩擦阻力系数预测模型参数的确定 | 第38-40页 |
| 4.1.4 锚杆支护巷道摩擦阻力系数预测模型参数的确定 | 第40-42页 |
| 4.1.5 锚网索支护巷道摩擦阻力系数预测模型参数的确定 | 第42-44页 |
| 4.2 巷道摩擦阻力系数的预测结果及对比分析 | 第44-56页 |
| 4.2.1 锚喷巷道摩擦阻力系数预测结果及对比分析 | 第44-48页 |
| 4.2.2 锚杆支护巷道摩擦阻力系数预测结果及对比分析 | 第48-52页 |
| 4.2.3 锚网索支护巷道摩擦阻力系数预测结果及对比分析 | 第52-56页 |
| 4.3 本章小结 | 第56-58页 |
| 5 矿井巷道摩擦阻力系数预测方法对比 | 第58-68页 |
| 5.1 基于BP神经网络的矿井巷道摩擦阻力系数预测 | 第58-63页 |
| 5.1.1 BP神经网络 | 第58页 |
| 5.1.2 BP神经网络预测矿井巷道摩擦阻力系数的步骤 | 第58-60页 |
| 5.1.3 锚喷巷道摩擦阻力系数预测 | 第60-61页 |
| 5.1.4 锚杆支护巷道摩擦阻力系数预测 | 第61-62页 |
| 5.1.5 锚网索支护巷道摩擦阻力系数预测 | 第62-63页 |
| 5.2 支持向量机与BP神经网络预测结果对比 | 第63-67页 |
| 5.2.1 锚喷巷道摩擦阻力系数预测结果对比 | 第63-64页 |
| 5.2.2 锚杆支护巷道摩擦阻力系数预测结果对比 | 第64-66页 |
| 5.2.3 锚网索支护巷道摩擦阻力系数预测结果对比 | 第66-67页 |
| 5.3 本章小结 | 第67-68页 |
| 6 结论 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录1 | 第74-75页 |
| 附录2 | 第75-82页 |
