改进蚁群算法在瓦斯涌出量预测中的应用研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-14页 |
| ·课题研究的背景与意义 | 第10页 |
| ·国内外对瓦斯涌出量预测研究 | 第10-12页 |
| ·国内对瓦斯预测研究 | 第10-11页 |
| ·国外对瓦斯预测研究 | 第11-12页 |
| ·蚁群算法的发展历程和研究成果 | 第12页 |
| ·论文主要研究内容 | 第12-13页 |
| ·论文主要探究工作 | 第13-14页 |
| 2 小波神经网络模型的建立和探究 | 第14-21页 |
| ·引言 | 第14页 |
| ·小波分析理论研究 | 第14-17页 |
| ·小波函数定义及连续变换 | 第14-15页 |
| ·离散小波函数变换 | 第15页 |
| ·小波函数框架理论 | 第15-16页 |
| ·小波函数多分辨分析 | 第16-17页 |
| ·小波神经网络构成及算法探究 | 第17-20页 |
| ·小波神经网络构成及分类 | 第17-18页 |
| ·小波神经网络学习算法 | 第18-19页 |
| ·小波神经网络权值分析和运算 | 第19-20页 |
| ·小波神经网络的利弊分析 | 第20页 |
| ·小结 | 第20-21页 |
| 3 蚁群算法优化理论 | 第21-33页 |
| ·引言 | 第21页 |
| ·蚁群算法的基本原理 | 第21-22页 |
| ·蚁群算法的数学建模 | 第22-24页 |
| ·蚁群算法建模中的参数分析 | 第24-31页 |
| ·信息素挥发因子ρ的择优 | 第24-26页 |
| ·信息启发式因子α的择优 | 第26-27页 |
| ·期望启发式因子β的择优 | 第27-29页 |
| ·蚂蚁数量和敛散性的关系 | 第29-30页 |
| ·信息素强度Q的择优 | 第30-31页 |
| ·蚁群算法的实现流程 | 第31-32页 |
| ·小结 | 第32-33页 |
| 4 改进蚁群算法优化小波神经网络 | 第33-42页 |
| ·引言 | 第33页 |
| ·最大最小蚁群算法描述 | 第33-35页 |
| ·改进的最大最小蚁群算法 | 第35-37页 |
| ·引入平滑信息素轨迹 | 第35-36页 |
| ·引入惩罚因子和扰动因子 | 第36-37页 |
| ·旅行商问题的实验分析 | 第37-38页 |
| ·改进蚁群算法优化的小波神经网络模型 | 第38-41页 |
| ·改进蚁群算法优化小波神经网络 | 第39页 |
| ·改进蚁群算法优化流程 | 第39-41页 |
| ·小结 | 第41-42页 |
| 5 基于改进蚁群算法的瓦斯涌出量预测模型 | 第42-54页 |
| ·引言 | 第42页 |
| ·影响瓦斯涌出量要素的分析 | 第42-43页 |
| ·瓦斯涌出量定义 | 第42页 |
| ·影响瓦斯涌出量的要素 | 第42-43页 |
| ·控制系统在瓦斯涌出量预测中的应用 | 第43-49页 |
| ·预测控制的原理 | 第43-44页 |
| ·瓦斯涌出量预测控制的实现 | 第44-46页 |
| ·预测控制中的网络数学模型 | 第46-48页 |
| ·全局预测控制流程 | 第48-49页 |
| ·瓦斯涌出量的仿真分析 | 第49-53页 |
| ·确定输入样本 | 第49-50页 |
| ·网络拓扑结构及改进蚁群算法参数确定 | 第50-51页 |
| ·瓦斯涌出量仿真结果和分析 | 第51-53页 |
| ·小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| ·本文总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 作者简历 | 第59-61页 |
| 学位论文数据集 | 第61页 |
