摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第9-13页 |
1.1 引言 | 第9页 |
1.2 选题研究的目的和意义 | 第9-10页 |
1.3 国内外研究现状 | 第10-12页 |
1.3.1 安全评价及发展概况 | 第10页 |
1.3.2 国外金属矿山安全评价研究 | 第10-11页 |
1.3.3 国内矿井提升运输安全评价研究 | 第11-12页 |
1.4 本论文研究内容和方法 | 第12页 |
1.5 本章小结 | 第12-13页 |
第二章 安全评价理论 | 第13-18页 |
2.1 安全评价方法 | 第13-14页 |
2.2 安全评价的内容和分类 | 第14-16页 |
2.2.1 安全评价的内容 | 第14-15页 |
2.2.2 安全评价的分类 | 第15-16页 |
2.3 安全评价的基本程序 | 第16页 |
2.4 安全评价方法的选择 | 第16-17页 |
2.5 本章小结 | 第17-18页 |
第三章 矿井提升运输评价体系的分析与构建 | 第18-28页 |
3.1 矿井提升运输系统及事故类型 | 第18-19页 |
3.2 矿井提升运输环节主要危险源 | 第19页 |
3.3 矿井提升运输环节的评价指标体系 | 第19-27页 |
3.3.1 人员的可靠性 | 第20-21页 |
3.3.2 装备设施 | 第21-24页 |
3.3.3 安全管理制度 | 第24-25页 |
3.3.4 环境影响 | 第25-26页 |
3.3.5 操作指示信号 | 第26-27页 |
3.4 本章小结 | 第27-28页 |
第四章 矿井提升运输环节的安全评价方法 | 第28-41页 |
4.1 突变理论 | 第28-31页 |
4.1.1 突变理论及其发展 | 第28页 |
4.1.2 突变理论中的重要概念 | 第28-29页 |
4.1.3 突变理论基本模型 | 第29-31页 |
4.1.4 突变决策的基本原则 | 第31页 |
4.1.5 基于突变理论评价方法的优点 | 第31页 |
4.2 模糊数学 | 第31-35页 |
4.2.1 模糊集的概念 | 第31-32页 |
4.2.2 模糊综合评判的数学模型 | 第32-34页 |
4.2.3 隶属度函数的确定方法 | 第34-35页 |
4.3 突变理论与模糊数学的结合 | 第35-36页 |
4.3.1 基于突变模型的模糊综合评价方法 | 第35-36页 |
4.4 BP 神经网络模型评价方法 | 第36-40页 |
4.4.1 BP 神经网络模型 | 第36页 |
4.4.2 BP 神经网络的标准学习算法 | 第36-39页 |
4.4.3 BP 神经网络的训练函数 | 第39-40页 |
4.4.4 BP 神经网络在安全评价中的适应性 | 第40页 |
4.5 本章小结 | 第40-41页 |
第五章 基于突变模型的金山店铁矿提升运输环节安全评价研究 | 第41-51页 |
5.1 金山店铁矿基本情况 | 第41-42页 |
5.1.1 矿区地理位置及环境情况 | 第41页 |
5.1.2 矿区工程地质构造 | 第41页 |
5.1.3 矿区水文地质条件 | 第41-42页 |
5.1.4 生产概况 | 第42页 |
5.2 底层评价指标隶属度函数的确定 | 第42-46页 |
5.2.1 底层指标隶属函数的确定 | 第42-44页 |
5.2.2 各因素隶属度函数值的确定 | 第44-46页 |
5.3 基于突变理论的模糊综合评价 | 第46-50页 |
5.4 本章小结 | 第50-51页 |
第六章 基于 BP 神经网络的金山店铁矿提升运输环节安全评价研究 | 第51-60页 |
6.1 安全评价神经网络模型的建立 | 第51页 |
6.1.1 输入层与输出层节点数设计 | 第51页 |
6.1.2 隐含层及节点的设计 | 第51页 |
6.2 数据的采集及归一化处理 | 第51-54页 |
6.2.1 数据的采集 | 第51-53页 |
6.2.2 数据的归一化处理 | 第53-54页 |
6.3 神经网络的训练 | 第54-58页 |
6.4 综合评价模型的应用 | 第58页 |
6.5 两种评价模型结果的分析 | 第58-59页 |
6.6 本章小结 | 第59-60页 |
第七章 结论与展望 | 第60-62页 |
7.1 结论 | 第60页 |
7.2 展望 | 第60-62页 |
参考文献 | 第62-65页 |
致谢 | 第65-66页 |
攻读硕士期间发表学术论文 | 第66-67页 |
详细摘要 | 第67-70页 |