| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-12页 |
| ·、问题的提出 | 第9-10页 |
| ·、本论文的主要研究内容及意义 | 第10-12页 |
| 第二章 国内外爆破块度研究现状及评述 | 第12-24页 |
| ·、爆破块度预测模型 | 第12-20页 |
| ·、应力波模型 | 第12-15页 |
| ·、分布函数预测模型 | 第15-18页 |
| ·、能量模型 | 第18页 |
| ·、分形模型 | 第18-20页 |
| ·、理论分析与评价 | 第20-24页 |
| ·、对应力波模型的分析与评价 | 第20-21页 |
| ·、对分布函数模型的分析与评价 | 第21-22页 |
| ·、对能量模型的分析与评价 | 第22-23页 |
| ·、对分形模型的分析与评价 | 第23-24页 |
| 第三章 爆破破岩机理及对影响爆破块度分布主要因素的分析 | 第24-29页 |
| ·、梯段爆破岩石破碎的机理 | 第24-27页 |
| ·、单孔爆破破碎机理 | 第24-25页 |
| ·、排孔齐发爆破机理 | 第25-26页 |
| ·、单排孔微差爆破 | 第26-27页 |
| ·、多排微差爆破 | 第27页 |
| ·、影响岩体爆破质量的主要因素 | 第27-29页 |
| 第四章 支持向量机理论基础 | 第29-46页 |
| ·、引言 | 第29-31页 |
| ·、支持向量机及其核函数介绍 | 第31-39页 |
| ·、最优分类超平面与线性支持向量机 | 第31-33页 |
| ·、非线性支持向量机 | 第33-37页 |
| ·、SVM回归方法简介 | 第37-39页 |
| ·、支持向量机的优化算法 | 第39-44页 |
| ·、分块算法和分解算法 | 第40-41页 |
| ·、SMO(Sequential Minimal Optimization)算法 | 第41-44页 |
| ·、支持向量机的应用及发展 | 第44-45页 |
| ·、本章小结 | 第45-46页 |
| 第五章 基于神经网络的块度分布规律预报 | 第46-54页 |
| ·、人工神经网络的研究概况 | 第46-47页 |
| ·、人工神经网络的特性 | 第47-48页 |
| ·、主要学习算法 | 第48-49页 |
| ·、BP神经网络的训练 | 第49页 |
| ·、BP算法的改进 | 第49-51页 |
| ·、实例分析 | 第51-52页 |
| ·、本章小结 | 第52-54页 |
| 第六章 基于支持向量机的块度预测模型 | 第54-61页 |
| ·、块度预测模型的建立 | 第54-55页 |
| ·、模型参数的选择及预测结果 | 第55-58页 |
| ·、支持向量机和人工神经网络方法的比较 | 第58-60页 |
| ·、本章小结 | 第60-61页 |
| 第七章 总结与展望 | 第61-63页 |
| ·、总结 | 第61-62页 |
| ·、展望 | 第62-63页 |
| 参考文献: | 第63-66页 |
| 感谢 | 第66页 |