| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景及研究意义 | 第10-12页 |
| ·研究背景 | 第10页 |
| ·研究意义 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·煤矿安全风险管理的研究现状 | 第12-13页 |
| ·煤矿安全风险预测技术的研究现状 | 第13-14页 |
| ·研究内容及创新点 | 第14-15页 |
| ·研究内容 | 第14页 |
| ·创新点 | 第14-15页 |
| 第2章 煤矿安全风险分析的理论基础 | 第15-23页 |
| ·相关概念的内涵 | 第15-17页 |
| ·安全风险 | 第15-16页 |
| ·安全风险预测 | 第16-17页 |
| ·煤矿安全风险的识别 | 第17-21页 |
| ·安全风险识别的理论依据 | 第17-19页 |
| ·安全风险识别的原则 | 第19页 |
| ·安全风险识别的方法 | 第19-21页 |
| ·煤矿安全风险预测的原则 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 煤矿安全风险预测指标体系的构建 | 第23-33页 |
| ·煤矿安全风险系统特点的分析 | 第23-24页 |
| ·煤矿安全风险预测指标体系的设计目的及原则 | 第24-26页 |
| ·风险预测指标体系的设计目的 | 第24页 |
| ·风险预测指标体系的设计原则 | 第24-26页 |
| ·煤矿安全风险预测指标体系的设计流程 | 第26-28页 |
| ·煤矿安全风险分析 | 第28-30页 |
| ·煤矿安全风险预测指标体系的建立 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于改进蚁群算法-RBF 神经网络的煤矿安全风险预测 | 第33-48页 |
| ·改进蚁群算法相关理论 | 第33-37页 |
| ·蚁群算法的基本原理 | 第33-34页 |
| ·蚁群算法的数学模型 | 第34-36页 |
| ·改进蚁群算法 | 第36-37页 |
| ·RBF 神经网络相关原理 | 第37-42页 |
| ·RBF 神经网络的基本原理 | 第37-38页 |
| ·RBF 神经网络的结构 | 第38-39页 |
| ·RBF 神经网络算法的实现 | 第39-41页 |
| ·RBF 神经网络的特点 | 第41-42页 |
| ·改进蚁群算法-RBF 神经网络的预测模型 | 第42-47页 |
| ·RBF 神经网络预测模型参数选择 | 第42-44页 |
| ·改进蚁群算法优化 RBF 神经网络 | 第44-45页 |
| ·隐含层单元结构的调整 | 第45-46页 |
| ·隐含层到输出层的权值调整 | 第46页 |
| ·改进蚁群算法优化 RBF 神经网络的预测步骤 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 煤矿安全风险预测应用研究 | 第48-66页 |
| ·煤矿企业概况 | 第48页 |
| ·风险数据的获取及预处理 | 第48-62页 |
| ·数据的获取 | 第48-55页 |
| ·数据的预处理 | 第55-62页 |
| ·预测模型仿真 | 第62-64页 |
| ·煤矿安全风险预测 | 第64页 |
| ·煤矿安全风险控制策略 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 结论与展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
| 攻读硕士学位期间发表的论文 | 第71-72页 |