| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第11-23页 |
| 1.1 研究背景及意义 | 第11-15页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 国内外人-机-环研究现状 | 第15-17页 |
| 1.2.2 人因失误与人的不安全行为 | 第17-19页 |
| 1.3 研究内容及技术路线 | 第19-20页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 技术路线 | 第20页 |
| 1.4 本章小结 | 第20-23页 |
| 2 神经网络模型、算法及应用 | 第23-33页 |
| 2.1 神经网络研究综述 | 第23页 |
| 2.2 神经网络模型及算法 | 第23-27页 |
| 2.2.1 BP神经网络 | 第23-24页 |
| 2.2.2 SOM神经网络 | 第24-26页 |
| 2.2.3 RBF神经网络 | 第26-27页 |
| 2.3 神经网络的应用 | 第27-30页 |
| 2.3.1 神经网络在煤矿领域应用 | 第27-28页 |
| 2.3.2 神经网络在医学领域应用 | 第28页 |
| 2.3.3 神经网络在经济领域的应用 | 第28-29页 |
| 2.3.4 神经网络在信息领域的应用 | 第29-30页 |
| 2.3.5 人工神经网络在交通领域的应用 | 第30页 |
| 2.3.6 人工神经网络在心理学的应用 | 第30页 |
| 2.4 本章小结 | 第30-33页 |
| 3 综采工作面作业人员人因失误形成机理及模型构建 | 第33-47页 |
| 3.1 煤矿生产系统分析 | 第33-34页 |
| 3.2 综采工作面人因失误分析 | 第34-40页 |
| 3.2.1 综采工作面人因分析 | 第35-38页 |
| 3.2.2 综采工作面环境因素分析 | 第38-40页 |
| 3.3 人因失误模型建立 | 第40-44页 |
| 3.3.1 设计变量 | 第40-41页 |
| 3.3.2 矿工人因失误影响因素问卷的编制与实施 | 第41-44页 |
| 3.4 对综采工作面人因失误因子纵向分类 | 第44-45页 |
| 3.5 本章小结 | 第45-47页 |
| 4 基于BP神经网络的煤矿人因失误模型 | 第47-61页 |
| 4.1 BP神经网络的优点 | 第47页 |
| 4.2 BP神经网络模型及算法 | 第47-51页 |
| 4.2.1 BP神经网络模型 | 第47-48页 |
| 4.2.2 BP网络神经算法 | 第48-49页 |
| 4.2.3 BP神经网络算法推导 | 第49-51页 |
| 4.3 煤矿综采工作面BP神经网络模型建立 | 第51-52页 |
| 4.3.1 输入层与输出层 | 第51-52页 |
| 4.3.2 隐含层及其神经元设计 | 第52页 |
| 4.4 煤矿综采工作面人因失误模型的应用 | 第52-56页 |
| 4.4.1 数据的采集及处理 | 第52-53页 |
| 4.4.2 MATLAB神经网络工具箱程序介绍 | 第53-55页 |
| 4.4.3 神经网络训练 | 第55-56页 |
| 4.5 仿真实验与检验 | 第56-60页 |
| 4.5.1 仿真实验 | 第56-58页 |
| 4.5.2 煤矿人因失误模型的应用 | 第58-60页 |
| 4.6 本章小结 | 第60-61页 |
| 5 BP神经网络的改进 | 第61-69页 |
| 5.1 PSO算法的改进 | 第61-62页 |
| 5.1.1 标准PSO算法 | 第61页 |
| 5.1.2 改进PSO算法 | 第61-62页 |
| 5.2 改进PSO-BP算法在煤矿人因失误模型中的应用 | 第62-63页 |
| 5.3 实例仿真 | 第63-67页 |
| 5.3.1 数据来源与相关参数的设定 | 第63页 |
| 5.3.2 数据结果分析与比较 | 第63-67页 |
| 5.4 本章小结 | 第67-69页 |
| 6 结论与展望 | 第69-71页 |
| 6.1 主要结论 | 第69-70页 |
| 6.2 创新点 | 第70页 |
| 6.3 不足及展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 附录Ⅰ | 第77-79页 |
| 附录Ⅱ | 第79-81页 |
| 附录Ⅲ | 第81-83页 |
| 作者简历 | 第83-85页 |
| 学位论文数据集 | 第85页 |