首页--工业技术论文--矿业工程论文--矿山安全与劳动保护论文--矿井大气论文--煤(岩石)与瓦斯突出的预防和处理论文

煤与瓦斯突出前兆的非线性预测及支持向量机识别研究

致谢第1-6页
摘要第6-7页
Abstract第7-23页
1 前言第23-36页
   ·课题来源第23页
   ·本文研究的目的和意义第23-24页
   ·国内外研究动态和趋势第24-33页
     ·煤与瓦斯突出机理的研究概况第25-27页
     ·煤与瓦斯突出工作面预测技术的发展状况第27-30页
     ·突出预测敏感指标及临界值确定方法的研究现状第30页
     ·煤与瓦斯突出非线性系统研究第30-31页
     ·模式识别综述第31-33页
   ·论文研究的主要内容及创新点第33-35页
     ·主要研究内容第33-34页
     ·创新点第34-35页
   ·论文研究的难点、研究方法和技术路线第35-36页
     ·论文研究的难点第35页
     ·研究方法第35页
     ·技术路线第35-36页
2 煤与瓦斯突出的突变特征第36-49页
   ·突变理论基础第36-38页
     ·微分同胚第36页
     ·突变类型第36-37页
     ·尖点突变第37-38页
     ·尖点突变特征第38页
   ·煤与瓦斯突出机理第38-40页
     ·煤层变形潜能第39页
     ·瓦斯内能第39-40页
     ·煤的破碎功第40页
     ·被破碎煤的移动功第40页
   ·煤与瓦斯突出过程的突变分析第40-44页
     ·煤与瓦斯突出的尖点突变势函数第41页
     ·尖点突变模型第41-42页
     ·煤与瓦斯突出的突变条件第42-44页
   ·基于动量守恒的煤与瓦斯突出突变分析第44-48页
     ·煤体破裂阵面运动微分方程第44-45页
     ·煤体破裂阵面发展速度第45-48页
   ·本章小结第48-49页
3 煤巷掘进工作面瓦斯涌出量预测煤与瓦斯突出的理论第49-65页
   ·煤与瓦斯突出的影响因素第49-51页
     ·地质构造对煤与瓦斯突出的影响第49-50页
     ·煤厚及其变化对煤与瓦斯突出的影响第50-51页
     ·煤体结构对煤与瓦斯突出的影响第51页
   ·煤巷掘进工作面瓦斯涌出过程的基本特点第51-52页
   ·煤巷掘进工作面瓦斯涌出量动态指标预测突出的理论第52-57页
     ·煤层中瓦斯的流动第52页
     ·煤层中瓦斯的流量第52页
     ·煤层渗透率第52页
     ·煤岩体压力第52-54页
     ·巷道瓦斯涌出量的影响因素第54页
     ·掘进工作面瓦斯流动场第54-57页
   ·瓦斯涌出量异常预报煤与瓦斯突出第57-64页
     ·云南恩洪煤矿概况第58-60页
     ·瓦斯监测数据的获取方法第60-62页
     ·无煤与瓦斯突出危险的煤巷掘进工作面瓦斯涌出量第62-63页
     ·煤与瓦斯突出危险前36 小时内的煤巷掘进工作面瓦斯涌出量第63-64页
   ·本章小结第64-65页
4 煤巷掘进工作面瓦斯涌出量的非线性特征第65-84页
   ·煤巷掘进工作面瓦斯涌出量时间序列的Hurst 特性第65-71页
     ·Hurst 指数的计算方法第66-68页
     ·实证研究R/S 的Hurst 指数第68-71页
   ·相空间重构第71-72页
   ·相空间延迟时间第72-74页
     ·实例分析第72-74页
   ·关联维数第74-78页
     ·基于G-P 方法的关联维数第75页
     ·适用于高维混沌系统的关联维数的G-K 算法第75-76页
     ·实例分析第76-78页
   ·煤巷掘进工作面瓦斯浓度的Lyapunov 指数分析第78-83页
     ·Lyapunov 指数第78-79页
     ·混沌与Lyapunov 指数第79-80页
     ·改进Wolf 算法第80-81页
     ·实例分析第81-83页
   ·本章小结第83-84页
5 煤巷掘进工作面瓦斯涌出量的非线性预测第84-114页
   ·预测概述第84-85页
   ·瓦斯涌出量时间序列预测算法第85-98页
     ·全局法第85-87页
     ·局域法第87-90页
     ·改进加权一阶局域预测法第90-93页
     ·恩洪煤矿掘进工作面瓦斯涌出量的改进与传统一阶局域法预测对比第93-98页
   ·基于Lyapunov 指数的掘进工作面瓦斯涌出量序列的混沌预测第98-100页
     ·问题的提出第98页
     ·Lyapunov 指数模式预测值的判定第98-100页
   ·应用实例第100-104页
   ·小波分析基本理论第104-107页
     ·小波分析概况第104-105页
     ·小波理论简介第105-107页
   ·基于小波与混沌集成的煤巷掘进工作面瓦斯涌出量预测第107-108页
     ·小波重构理论第107-108页
     ·瓦斯涌出量时间序列的小波分解第108页
     ·瓦斯涌出量时间序列的预测第108页
   ·实例对比研究第108-113页
   ·本章小结第113-114页
6 基于支持向量机的煤与瓦斯突出预测第114-148页
   ·支持向量机分类第114-118页
     ·线性可分数据第114-116页
     ·线性不可分数据第116-118页
   ·核函数特征空间第118-123页
     ·核函数性质及非线性支持向量机第118-119页
     ·构造核函数第119-122页
     ·支持向量机核函数及参数的选择第122-123页
   ·支持向量机的优化算法第123-125页
     ·分块算法第123-124页
     ·分解算法第124页
     ·序贯最小优化算法第124-125页
     ·SVMlight算法第125页
     ·最近点迭代法第125页
   ·特征选择与提取第125-128页
     ·概述第125-126页
     ·类别可分性判据第126-127页
     ·特征选择与提取的原则第127-128页
   ·瓦斯涌出量表征煤与瓦斯突出的特征提取第128-141页
     ·方法的提出第128页
     ·煤与瓦斯突出的模式分析第128-130页
     ·煤与瓦斯突出危险模式的相似性度量第130页
     ·基于SVM 的煤与瓦斯突出分类的设计概述第130页
     ·煤与瓦斯突出支持向量机识别的特征空间构造第130-136页
     ·煤与瓦斯突出支持向量机识别的类别可分离性判据第136-138页
     ·煤与瓦斯突出危险性支持向量机识别的特征选择方法第138-141页
     ·煤与瓦斯突出危险性支持向量机识别的复合特征构造第141页
   ·支持向量机在常规煤与瓦突出识别中的应用第141-146页
     ·数据的采集及归一化第142-144页
     ·用训练好的支持向量机预测煤与瓦斯突出第144-145页
     ·支持向量机与神经网络方法及其它煤与瓦斯突出预测方法的比较第145-146页
   ·本章小结第146-148页
7 支持向量机识别煤与瓦斯突出系统的开发与应用第148-155页
   ·支持向量机识别煤与瓦斯突出的功能需求第148页
   ·支持向量机在电磁辐射仪预测煤与瓦斯突出中的应用第148-150页
     ·KBD7 电磁辐射监测仪简介第148-149页
     ·支持向量机在KBD7 电磁辐射监测仪中的应用第149-150页
   ·支持向量机预测煤与瓦斯突出系统设计第150-154页
     ·数据传输模块第150-152页
     ·支持向量机预测煤与瓦斯突出模块第152-153页
     ·显示储存预报结果模块第153-154页
   ·本章小结第154-155页
8 结论及展望第155-158页
   ·结论第155-157页
   ·展望第157-158页
参考文献第158-166页
附录第166页
附录A3 煤巷掘进工作面瓦斯涌出量的界面第166-169页
附录B4 掘进工作面瓦斯涌出量的混沌特征的界面第169-174页
附录C5 掘进工作面瓦斯涌出量的非线性预测界面第174-178页
附录D6 基于支持向量机的煤与瓦斯突出预测界面第178-181页
附录E7 支持向量机识别煤与瓦斯突出系统在大舍煤矿的应用界面第181-183页
作者简历第183-186页
学位论文数据集第186页

论文共186页,点击 下载论文
上一篇:深部煤层处置CO2多物理耦合过程的实验与模拟
下一篇:煤最短自然发火期测试及煤堆自燃防治技术研究