| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·选题背景及研究的意义 | 第8-9页 |
| ·采空区围岩稳定性预测方法的研究现状 | 第9-11页 |
| ·采矿物理方法监测围岩稳定性的数字化信息技术 | 第9页 |
| ·数据挖掘算法在采空区围岩稳定性监测中的应用 | 第9-11页 |
| ·用支持向量机研究采空区围岩稳定性 | 第11页 |
| ·本课题的组织结构、技术路线 | 第11-13页 |
| 2 数据挖掘算法 | 第13-21页 |
| ·几种数据挖掘算法概述 | 第13-15页 |
| ·统计学方法 | 第13页 |
| ·规则推理方法 | 第13页 |
| ·决策数 | 第13页 |
| ·遗传学算法 | 第13-14页 |
| ·集合论方法 | 第14页 |
| ·可视化技术 | 第14-15页 |
| ·公式发现 | 第15页 |
| ·神经网络 | 第15页 |
| ·统计学习理论概述 | 第15-20页 |
| ·支持向量机（SUPPORT VECTOR MACHINE, 简称SVM） | 第20-21页 |
| 3 支持向量回归机 | 第21-30页 |
| ·引言 | 第21页 |
| ·支持向量机原理 | 第21-22页 |
| ·支持向量回归机（SUPPORT VECTOR REGRESSION, 简称SVR） | 第22-30页 |
| ·线性ε-支持向量回归机 | 第22-26页 |
| ·非线性ε-支持向量回归机 | 第26-27页 |
| ·支持向量机中的核函数 | 第27-28页 |
| ·支持向量机的训练算法 | 第28-29页 |
| ·支持向量机的应用研究 | 第29-30页 |
| 4 SVR 中相关参数讨论 | 第30-36页 |
| ·概述 | 第30页 |
| ·讨论ε 不敏感损失函数 | 第30-32页 |
| ·讨论正则化参数C | 第32-36页 |
| 5 相似材料模拟实验的围岩稳定性SVM 预测 | 第36-59页 |
| ·相似材料模拟实验概述 | 第36-44页 |
| ·相似材料模拟实验装置及测试仪器 | 第36页 |
| ·实验准备 | 第36-39页 |
| ·模拟实验观测内容 | 第39-40页 |
| ·模拟实验回采工艺 | 第40页 |
| ·实验现象分析 | 第40-44页 |
| ·SVM 预测 | 第44-50页 |
| ·数据预处理 | 第45页 |
| ·预测直接顶初次垮落 | 第45-46页 |
| ·预测老顶初次来压 | 第46-47页 |
| ·预测第一次周期来压 | 第47-48页 |
| ·预测第二次周期来压 | 第48-50页 |
| ·SVM 方法的推广 | 第50-59页 |
| ·华亭煤矿概述 | 第50页 |
| ·SVM 预测实例 | 第50-59页 |
| 6 结论 | 第59-60页 |
| ·结论 | 第59页 |
| ·展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65页 |