基于改进PCA-ELM的煤与瓦斯突出软测量研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-18页 |
| ·课题背景和意义 | 第10页 |
| ·国内外研究现状 | 第10-15页 |
| ·煤与瓦斯突出机理研究现状 | 第10-12页 |
| ·煤与瓦斯突出预测研究现状 | 第12-15页 |
| ·本文研究内容与结构安排 | 第15-18页 |
| ·主要研究内容 | 第15-16页 |
| ·文章结构安排与技术路线 | 第16-18页 |
| 2 软测量理论基础 | 第18-27页 |
| ·引言 | 第18页 |
| ·软测量原理 | 第18-19页 |
| ·软测量模型的实现 | 第19-21页 |
| ·辅助变量的选择 | 第19-20页 |
| ·数据预处理 | 第20-21页 |
| ·建模方法的选择 | 第21页 |
| ·软测量模型的校正 | 第21页 |
| ·软测量建模方法 | 第21-25页 |
| ·软测量研究发展趋势 | 第25-26页 |
| ·本章小节 | 第26-27页 |
| 3 煤与瓦斯突出软测量模型的辅助变量选取 | 第27-41页 |
| ·煤与瓦斯突出的影响因素 | 第27-30页 |
| ·瓦斯因素 | 第27-28页 |
| ·地应力因素 | 第28-29页 |
| ·地质构造 | 第29页 |
| ·煤层厚度 | 第29页 |
| ·煤体结构和煤质 | 第29-30页 |
| ·数据处理 | 第30-32页 |
| ·误差处理 | 第30-31页 |
| ·数据标准化 | 第31-32页 |
| ·主成分分析法的原理 | 第32-36页 |
| ·主成分分析法的原理 | 第32页 |
| ·主成分分析法的数学模型 | 第32-33页 |
| ·主成分分析的几何解释 | 第33-34页 |
| ·主成分分析法步骤 | 第34-36页 |
| ·煤与瓦斯突出辅助变量选取 | 第36-40页 |
| ·数据采集与预处理 | 第36-38页 |
| ·主成分分析 | 第38-40页 |
| ·本章小节 | 第40-41页 |
| 4 改进PCA-ELM的煤与瓦斯突出预测 | 第41-55页 |
| ·极端学习机理论 | 第41-45页 |
| ·极端学习机的提出 | 第41-42页 |
| ·单隐层前馈神经网络 | 第42-43页 |
| ·极端学习机算法描述 | 第43-45页 |
| ·粒子群优化算法 | 第45-49页 |
| ·粒子群算法基本原理 | 第45-46页 |
| ·粒子群算法参数选取 | 第46-48页 |
| ·粒子群算法流程 | 第48-49页 |
| ·粒子群优化极端学习机 | 第49-50页 |
| ·PSO-ELM性能分析 | 第50-52页 |
| ·改进PCA-ELM在煤与瓦斯软测量中的应用 | 第52-54页 |
| ·本章小节 | 第54-55页 |
| 5 结论与展望 | 第55-56页 |
| ·本文总结 | 第55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 作者简历 | 第59-61页 |
| 学位论文数据集 | 第61页 |
