基于物联网的煤矿粉尘职业危害监测及预警技术研究
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 煤矿粉尘监测技术 | 第11-12页 |
| 1.2.2 职业危害监测预警模式 | 第12-13页 |
| 1.2.3 职业危害监测平台现状与发展趋势 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 文章组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 煤矿粉尘职业危害监测预警理论及技术研究 | 第17-25页 |
| 2.1 煤矿粉尘职业危害监测 | 第17-18页 |
| 2.2 医学建模预测分析理论 | 第18-22页 |
| 2.2.1 预测理论 | 第18-19页 |
| 2.2.2 灰色理论 | 第19页 |
| 2.2.3 神经网络 | 第19-22页 |
| 2.3 物联网、云计算在职业危害领域的应用 | 第22-24页 |
| 2.3.1 物联网技术 | 第22页 |
| 2.3.2 云计算技术 | 第22-23页 |
| 2.3.3 在职业危害领域的应用 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于物联网的煤矿粉尘职业危害监测平台构建 | 第25-37页 |
| 3.1 总体要求与功能 | 第25-26页 |
| 3.1.1 总体要求 | 第25页 |
| 3.1.2 平台功能 | 第25-26页 |
| 3.2 总体架构 | 第26-33页 |
| 3.2.1 系统结构 | 第26-27页 |
| 3.2.2 感知层 | 第27-28页 |
| 3.2.3 网络层 | 第28-30页 |
| 3.2.4 应用层 | 第30-32页 |
| 3.2.5 煤矿粉尘监测预警云服务模式 | 第32-33页 |
| 3.3 煤矿粉尘职业病预警 | 第33-36页 |
| 3.3.1 个人累计接尘量 | 第33-35页 |
| 3.3.2 职业病发病预测 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 煤矿粉尘职业病发病预测模型研究 | 第37-49页 |
| 4.1 传统数据分析方法 | 第37-38页 |
| 4.1.1 预测型算法在预测上的应用 | 第37页 |
| 4.1.2 描述型算法在预测上的应用 | 第37-38页 |
| 4.2 组合数据分析建模方法 | 第38-39页 |
| 4.2.1 线性组合预测模型 | 第39页 |
| 4.2.2 非线性组合预测模型 | 第39页 |
| 4.3 模型建立 | 第39-48页 |
| 4.3.1 灰色GM(1,1)预测模型 | 第39-40页 |
| 4.3.2 灰色神经网络模型 | 第40-44页 |
| 4.3.3 灰色-广义回归神经网络模型 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 模型验证及系统实现 | 第49-62页 |
| 5.1 数据处理 | 第49-51页 |
| 5.1.1 数据来源及处理 | 第49-50页 |
| 5.1.2 预测因子的选择 | 第50-51页 |
| 5.2 模型预测 | 第51-59页 |
| 5.2.1 灰色GM(1,1)预测 | 第51-53页 |
| 5.2.2 灰色神经网络预测 | 第53-56页 |
| 5.2.3 灰色-广义回归神经网络预测 | 第56-59页 |
| 5.3 模型评价 | 第59-60页 |
| 5.4 系统实现 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62页 |
| 6.2 研究展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |
| A.作者在攻读学位期间发表的论文目录 | 第70页 |
| B.作者在攻读学位期间取得的科研成果目录 | 第70页 |
