基于遗传神经网络的瓦斯涌出分源预测的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-14页 |
| 1 绪论 | 第14-19页 |
| ·课题研究的目的和意义 | 第14-16页 |
| ·问题的提出 | 第14-15页 |
| ·选题的目的和意义 | 第15-16页 |
| ·国内外研究的现状 | 第16-18页 |
| ·国外研究现状 | 第16-17页 |
| ·国内研究现状 | 第17-18页 |
| ·本文的主要工作 | 第18-19页 |
| 2 人工神经网络 | 第19-30页 |
| ·人工神经网络的基本结构与模型 | 第19-22页 |
| ·人工神经网络的基本模型 | 第19-20页 |
| ·激活函数的种类 | 第20-22页 |
| ·神经网络的拓扑结构 | 第22-23页 |
| ·BP神经网络及其算法 | 第23-28页 |
| ·BP神经网络的学习过程 | 第24-26页 |
| ·神经网络的学习步骤 | 第26页 |
| ·BP神经网络的局限和不足 | 第26-28页 |
| ·BP神经网络的改进 | 第28-29页 |
| ·BP神经网络的运算流程 | 第29-30页 |
| 3 遗传算法 | 第30-41页 |
| ·遗传算法的概念 | 第30页 |
| ·遗传算法的运行流程 | 第30-31页 |
| ·遗传算法的基本原理 | 第31-41页 |
| ·遗传编码 | 第32-34页 |
| ·编码方法 | 第32-33页 |
| ·编码评估策略 | 第33-34页 |
| ·适应度函数 | 第34-35页 |
| ·选择(或复制) | 第35-36页 |
| ·交叉 | 第36-38页 |
| ·变异 | 第38-41页 |
| 4 遗传算法优化BP神经网络 | 第41-48页 |
| ·遗传算法优化神经网络的方法 | 第41-43页 |
| ·遗传算法优化BP神经网络连接权的方案 | 第43-47页 |
| ·神经网络进化的具体操作步骤 | 第43页 |
| ·编码方案的选择 | 第43-44页 |
| ·适应度函数的确定 | 第44页 |
| ·选择 | 第44-45页 |
| ·交叉 | 第45页 |
| ·变异 | 第45-47页 |
| ·遗传算法优化BP神经网络的运算流程图 | 第47-48页 |
| 5 遗传神经网络瓦斯涌出分源预测模型的建立 | 第48-58页 |
| ·传统的瓦斯涌出分源预测模型 | 第48-50页 |
| ·回采工作面瓦斯来源分析 | 第48-49页 |
| ·瓦斯涌出分源预测数学模型的建立 | 第49-50页 |
| ·BP神经网络的瓦斯涌出分源预测模型 | 第50-54页 |
| ·瓦斯涌出量影响因素的分析 | 第50页 |
| ·BP神经网络分源预测的思路 | 第50-52页 |
| ·BP神经网络分源预测模型的建立 | 第52-54页 |
| ·遗传神经网络瓦斯分源预测模型的建立 | 第54-58页 |
| ·遗传神经网络瓦斯分源预测的基本思想 | 第54-55页 |
| ·遗传神经网络瓦斯分源预测模型的建立 | 第55-58页 |
| 6 MATLAB仿真及实验结果分析 | 第58-76页 |
| ·MATLAB概述 | 第58页 |
| ·工具箱函数及其应用 | 第58-63页 |
| ·神经网络工具箱 | 第58-62页 |
| ·遗传算法工具箱 | 第62-63页 |
| ·实例应用 | 第63-74页 |
| ·开采层瓦斯涌出实例预测 | 第64-67页 |
| ·邻近层瓦斯涌出实例预测 | 第67-70页 |
| ·采空区瓦斯涌出实例预测 | 第70-74页 |
| ·本章小结 | 第74-76页 |
| 7 总结与展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 读研期间发表论文 | 第81页 |
