基于电磁辐射法的煤与瓦斯突出预测研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-18页 |
| ·煤与瓦斯突出的现状 | 第11-15页 |
| ·煤与瓦斯突出机理概述 | 第11-13页 |
| ·煤与瓦斯突出预测预报方法 | 第13-15页 |
| ·课题提出的背景 | 第15-16页 |
| ·本论文的主要工作 | 第16-18页 |
| 2 电磁辐射法预测煤与瓦斯突出原理 | 第18-31页 |
| ·受载煤岩变形破裂电磁辐射规律及产生机理 | 第19-20页 |
| ·瓦斯气体对电磁辐射的影响 | 第20-22页 |
| ·瓦斯流动对电磁辐射频谱的影响 | 第22-27页 |
| ·实验系统 | 第22-24页 |
| ·实验样品制作及实验步骤 | 第24页 |
| ·结果与分析 | 第24-27页 |
| ·电磁辐射法预测突出原理 | 第27-29页 |
| ·现场试验结果 | 第29-30页 |
| ·小结 | 第30-31页 |
| 3 利用小波变换进行电磁辐射信号去噪处理 | 第31-45页 |
| ·电磁辐射信号采集过程中噪声的来源及特征 | 第31-33页 |
| ·电磁辐射信号采集过程中噪声的来源 | 第31-32页 |
| ·电磁辐射信号噪声的幅频特征 | 第32-33页 |
| ·电磁辐射信号采集中的噪声模型及去噪原理 | 第33页 |
| ·小波变换对电磁辐射信号去噪的研究 | 第33-40页 |
| ·小波变换基本理论 | 第33-37页 |
| ·多分辨率分析及对电磁辐射信号的去噪研究 | 第37-40页 |
| ·小波包对电磁辐射的去噪研究 | 第40-44页 |
| ·小波包基本概念及其性质 | 第41页 |
| ·信号的小波包分解与分析 | 第41-43页 |
| ·算法描述 | 第43-44页 |
| ·电磁辐射信号的小波包去噪分析 | 第44页 |
| ·小结 | 第44-45页 |
| 4 煤与瓦斯突出电磁辐射的神经网络预测方法 | 第45-65页 |
| ·人工神经网络的基本原理 | 第45-52页 |
| ·BP神经网络概述 | 第46页 |
| ·BP神经网络的结构模型 | 第46-47页 |
| ·BP神经网络的算法 | 第47-50页 |
| ·BP网络存在的问题 | 第50-51页 |
| ·BP神经网络的优化算法 | 第51-52页 |
| ·煤与瓦斯突出电磁辐射神经网络预测、预报原理 | 第52-56页 |
| ·MATLAB与神经网络工具箱简介 | 第56-58页 |
| ·MATLAB语言简介 | 第56-57页 |
| ·神经网络工具箱简介 | 第57-58页 |
| ·电磁辐射的神经网络的设计 | 第58-61页 |
| ·电磁辐射BP网络结构设计 | 第58-59页 |
| ·电磁辐射神经网络的程序设计 | 第59-61页 |
| ·煤与瓦斯突出电磁辐射神经网络预测的应用 | 第61-64页 |
| ·小结 | 第64-65页 |
| 5 煤与瓦斯突出电磁辐射预测系统的实现 | 第65-73页 |
| ·煤与瓦斯突出电磁辐射在线监测系统设计 | 第65-66页 |
| ·煤与瓦斯突出电磁辐射监测仪系统构成 | 第66-68页 |
| ·电磁辐射连续监测软件的研制 | 第68-73页 |
| ·KBD7煤岩电磁辐射连续监测系统 | 第68-69页 |
| ·软件的组成及功能 | 第69-70页 |
| ·实时数据的采集及显示 | 第70-71页 |
| ·历史数据的显示 | 第71-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 作者简历 | 第79-81页 |
| 学位论文数据集 | 第81页 |
