首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

支持向量机多分类预测技术研究--桑树坪煤矿煤与瓦斯突出预测

摘要第1-4页
ABSTRACT第4-10页
1 绪论第10-14页
   ·支持向量机的发展及应用第10-11页
   ·煤与瓦斯突出预测研究意义第11-12页
   ·煤与瓦斯突出预测研究现状第12-13页
   ·论文主要工作及章节安排第13-14页
2 支持向量机基本理论第14-29页
   ·概述第14页
   ·统计学习理论第14-19页
     ·机器学习问题第15-16页
     ·统计学习理论的基本概念第16-19页
   ·支持向量机分类第19-22页
     ·最优分类超平面第19页
     ·线性SVM第19-22页
     ·非线性SVM第22页
   ·支持向量机多类分类构造方法第22-24页
     ·“全局优化法第23页
     ·“一对多”方法第23页
     ·“一对一”方法第23-24页
     ·基于二叉树的多类分类方法第24页
   ·核函数第24-26页
     ·核函数理论及其基本性质第24-26页
     ·常用典型核函数第26页
   ·支持向量机与神经网络的比较第26-28页
     ·相似点第26-28页
     ·支持向量机的特点第28页
   ·本章小结第28-29页
3 瓦斯突出因素分析第29-34页
   ·瓦斯突出机理第29页
   ·瓦斯突出类型第29-30页
   ·瓦斯突出一般规律第30-31页
   ·影响瓦斯突出的因素第31-33页
     ·围岩条件第31页
     ·煤层煤质特征第31-32页
     ·地质构造条件第32页
     ·煤体结构第32页
     ·煤层埋藏深度第32-33页
     ·其他因素第33页
   ·本章小结第33-34页
4 研究区地质条件概述第34-40页
   ·矿井概况第34-35页
     ·位置与交通第34-35页
     ·地形地貌第35页
   ·煤系地层及煤层特征第35-36页
     ·煤系地层第35-36页
     ·煤层特征第36页
   ·研究区瓦斯的基本特征第36-37页
   ·煤与瓦斯突出类型及突出强度特征第37-38页
   ·煤与瓦斯突出与各种影响因素的关系第38-39页
     ·突出强度及瓦斯涌出量与开采深度的关系第38页
     ·突出强度及瓦斯涌出量与地质构造的关系第38-39页
     ·突出强度及瓦斯涌出量与突出预兆的关系第39页
   ·本章小结第39-40页
5 基于支持向量机的煤与瓦斯突出预测的实现第40-53页
   ·构造支持向量机多分类预测模型第40-42页
     ·支持向量机多分类方法性能比较第40-41页
     ·构造一对多分类方法第41-42页
   ·核函数的选取第42-45页
     ·可分性第43-44页
     ·局部性第44-45页
   ·核函数参数的影响和选取第45-47页
   ·预测参数的选取第47-50页
     ·特征选取第47-49页
     ·数据规范化第49页
     ·参数选取第49-50页
   ·桑树坪煤矿煤与瓦斯突出预测及结果分析第50-52页
     ·煤与瓦斯突出预测结果第50-51页
     ·结果分析第51-52页
   ·本章小结第52-53页
6 煤与瓦斯突出预测系统设计实现第53-60页
   ·可行性分析第53页
   ·需求分析第53-54页
   ·总体设计第54页
   ·详细设计第54-59页
   ·本章小结第59-60页
7 结论第60-61页
致谢第61-62页
参考文献第62-66页
附录 攻读硕士学位期间发表的论文第66页

论文共66页,点击 下载论文
上一篇:西安地铁区间隧道穿越地裂缝的稳定性初探
下一篇:小窑煤层自燃引发的矿井火灾控制技术研究