基于人工神经网络的煤矿安全评价研究
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 1 绪论 | 第14-22页 |
| ·研究背景及意义 | 第14-16页 |
| ·国内外安全评价研究现状 | 第16-19页 |
| ·国外煤矿安全评价现状 | 第16-17页 |
| ·国内煤矿安全评价现状 | 第17页 |
| ·传统安全评价方法存在的缺点 | 第17-18页 |
| ·神经网络的特点 | 第18页 |
| ·神经网络用于煤矿安全评价可行性 | 第18-19页 |
| ·本文研究目的和意义 | 第19-20页 |
| ·本文研究的内容和技术路线 | 第20-22页 |
| ·主要研究内容 | 第20页 |
| ·技术路线 | 第20-22页 |
| 2 煤矿安全风险综合评价指标体系的构建 | 第22-37页 |
| ·煤矿安全风险系统的特点分析 | 第22-26页 |
| ·煤矿安全风险评价系统的特点分析 | 第22-24页 |
| ·煤矿安全风险评价指标体系的设计原则 | 第24-26页 |
| ·安全风险指标体系的选择基础 | 第26-28页 |
| ·指标体系的设计流程步骤 | 第26-28页 |
| ·国内煤矿安全风险因素分析 | 第28-34页 |
| ·煤矿安全风险因素 | 第29-31页 |
| ·各因素之间的相互作用 | 第31-34页 |
| ·煤矿安全风险综合评价指标体系的结构 | 第34-36页 |
| ·评价指标分级 | 第36页 |
| ·本章小结 | 第36-37页 |
| 3 人工神经网络理论 | 第37-44页 |
| ·人工神经网络模型 | 第37-39页 |
| ·人工神经网络模型 | 第37-39页 |
| ·神经网络模型的选取 | 第39页 |
| ·神经网络的结构类型 | 第39-41页 |
| ·神经网络的学习类型 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于BP神经网络的煤矿安全评价 | 第44-71页 |
| ·BP神经网络模型 | 第44-45页 |
| ·BP神经网络算法 | 第45-49页 |
| ·BP神经网络标准学习算法 | 第45-48页 |
| ·BP神经网络算法的流程图 | 第48-49页 |
| ·BP神经网络的参数选取 | 第49-52页 |
| ·网络层数的确定 | 第49-50页 |
| ·各层神经元数的确定 | 第50-51页 |
| ·学习率的选取 | 第51页 |
| ·初始权值和阈值的选取 | 第51-52页 |
| ·样本数量的选取 | 第52页 |
| ·样本预处理 | 第52页 |
| ·BP算法的缺点 | 第52-53页 |
| ·BP算法的改进 | 第53-56页 |
| ·批处理算法 | 第53-54页 |
| ·附加动量算法 | 第54页 |
| ·学习速率可变的BP算法 | 第54页 |
| ·弹性学习算法 | 第54-55页 |
| ·变梯度算法 | 第55页 |
| ·基于L-M学习算法 | 第55-56页 |
| ·基于BP神经网络的煤矿安全评价应用 | 第56-69页 |
| ·样本的采集与处理 | 第56-59页 |
| ·BP神经网络的网络结构设计 | 第59页 |
| ·BP神经网络训练及结果分析 | 第59-69页 |
| ·本章小结 | 第69-71页 |
| 5 基于RBF神经网络的煤矿安全评价 | 第71-83页 |
| ·RBF神经网络模型原理 | 第71-76页 |
| ·RBF神经网络神经元模型 | 第71-73页 |
| ·RBF神经网络的数学基础 | 第73-76页 |
| ·RBF神经网络的学习算法 | 第76-79页 |
| ·基于RBF神经网络的煤矿安全评价应用 | 第79-81页 |
| ·RBF神经网络与BP神经网络的比较分析 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 6 结论 | 第83-85页 |
| ·所做的工作和结论 | 第83-84页 |
| ·本文的不足之处 | 第84页 |
| ·展望 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 致谢 | 第90-91页 |
| 作者简介及读研期间主要科研成果 | 第91页 |
