基于BP神经网络的瓦斯涌出量预测的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究意义 | 第8-9页 |
| ·研究现状 | 第9-13页 |
| ·本文的研究内容和方法 | 第13-15页 |
| 第二章 煤矿瓦斯涌出量的影响因素分析 | 第15-21页 |
| ·瓦斯来源 | 第15-16页 |
| ·影响瓦斯涌出量的因素 | 第16-17页 |
| ·瓦斯涌出量主控因素分析 | 第17-20页 |
| ·瓦斯涌出量影响因素灰色关联分析法 | 第18-19页 |
| ·瓦斯涌出量影响因素权重贡献率排序法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 瓦斯涌出量预测的神经网络模型 | 第21-35页 |
| ·神经网络简介 | 第21-26页 |
| ·BP神经网络 | 第26-32页 |
| ·BP算法的导出 | 第27-31页 |
| ·BP算法的实现 | 第31-32页 |
| ·基于BP神经网络的瓦斯涌出量预测模型设计 | 第32-34页 |
| ·BP神经网络的层数 | 第32页 |
| ·BP神经网络各层的神经元个数 | 第32-33页 |
| ·BP神经网络初始权值的选取 | 第33页 |
| ·BP神经网络初始学习速率的选取 | 第33-34页 |
| ·BP神经网络期望误差的选取 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第四章 瓦斯涌出量模型中的遗传算法优化 | 第35-40页 |
| ·遗传算法简介 | 第35-36页 |
| ·遗传算法算子选择 | 第36-39页 |
| ·遗传算法优化瓦斯涌出量预测模型的权(阈)值 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第五章 瓦斯涌出量预测模型的实现及应用 | 第40-53页 |
| ·瓦斯涌出量相关数据的采集和归一化处理 | 第40-41页 |
| ·瓦斯涌出量相关数据的采集 | 第40页 |
| ·数据的归一化及反归一化处理 | 第40-41页 |
| ·BP算法的缺陷及改进 | 第41-46页 |
| ·动量法和学习率自适应调整策略 | 第42-43页 |
| ·遗传算法优化瓦斯涌出量预测模型权(阈)值的实现 | 第43-46页 |
| ·瓦斯涌出量预测模型网络训练 | 第46-48页 |
| ·初始化训练参数 | 第46-47页 |
| ·程序实现 | 第47-48页 |
| ·瓦斯涌出量预测模型网络预测 | 第48-49页 |
| ·静态预测 | 第48-49页 |
| ·动态预测 | 第49页 |
| ·瓦斯涌出量预测结果和分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 结论与展望 | 第53-55页 |
| ·结论 | 第53页 |
| ·展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录A 攻读学位期间发表论文目录 | 第59页 |
