| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-13页 |
| ·选题背景及意义 | 第7-8页 |
| ·选题背景 | 第7-8页 |
| ·研究意义 | 第8页 |
| ·国内外研究现状 | 第8-11页 |
| ·开采沉陷主控因素研究 | 第8-9页 |
| ·开采沉陷预计方法研究 | 第9-10页 |
| ·小波神经网络研究 | 第10页 |
| ·遗传算法研究 | 第10-11页 |
| ·研究内容及研究方法 | 第11-13页 |
| ·研究目标 | 第11页 |
| ·研究内容 | 第11-12页 |
| ·研究技术路线 | 第12-13页 |
| 2 神东矿区工地质条件概况 | 第13-18页 |
| ·矿区自然地理 | 第13-14页 |
| ·矿区地层发育特征 | 第14页 |
| ·矿区主采煤层赋存特征 | 第14-15页 |
| ·矿区覆岩结构与岩体质量 | 第15-16页 |
| ·矿区地质构造特征 | 第16页 |
| ·矿区水文特征 | 第16-18页 |
| 3 神东矿区开采沉陷影响因素分析 | 第18-29页 |
| ·地质因素 | 第18-27页 |
| ·构造介质 | 第18-24页 |
| ·构造界面 | 第24-26页 |
| ·构造应力 | 第26-27页 |
| ·采矿因素 | 第27页 |
| ·采厚与采空区面积 | 第27页 |
| ·采煤及顶板管理方法 | 第27页 |
| ·本章小结 | 第27-29页 |
| 4 神东矿区开采沉陷主控因素筛选 | 第29-39页 |
| ·筛选方法的数学基础 | 第29-31页 |
| ·层次分析法 | 第29-30页 |
| ·模糊数学 | 第30-31页 |
| ·模糊层次分析法 | 第31页 |
| ·模糊层次分析法的计算步骤 | 第31-35页 |
| ·建立层次结构图 | 第31-32页 |
| ·构成优先关系矩阵 | 第32页 |
| ·构造模糊一致矩阵 | 第32-33页 |
| ·计算各层因素的权重向量 | 第33页 |
| ·精度计算 | 第33-34页 |
| ·组合权重计算 | 第34-35页 |
| ·神东矿区开采沉陷的主要控制因素 | 第35-38页 |
| ·开采沉陷影响因素递阶层次结构模型 | 第35页 |
| ·单因素权重计算 | 第35-37页 |
| ·组合因素权重计算 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 5 开采沉陷与主要控制因素量化关系的数值试验研究 | 第39-48页 |
| ·数值试验软件简介 | 第39-40页 |
| ·FLAC~(3D)概述 | 第39-40页 |
| ·RFPA~(2D)概述 | 第40页 |
| ·沙基比、松散层厚度对开采沉陷的影响 | 第40-44页 |
| ·煤层覆岩结构及开采参数 | 第40-41页 |
| ·数值试验模型 | 第41-43页 |
| ·沙基比、松散层厚度与开采沉陷的量化关系 | 第43-44页 |
| ·覆岩综合硬度对开采沉陷的影响 | 第44页 |
| ·关键层对开采沉陷的影响 | 第44-47页 |
| ·数值试验模型建立 | 第44-45页 |
| ·试验结果分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 6 基于遗传算法优化小波神经网络的开采沉陷预计模型 | 第48-60页 |
| ·小波神经网络 | 第48-51页 |
| ·小波分析 | 第48页 |
| ·网络数据预处理 | 第48-49页 |
| ·小波神经网络模型 | 第49-51页 |
| ·小波神经网络特点 | 第51页 |
| ·遗传算法原理 | 第51-54页 |
| ·遗传算法的基本步骤 | 第52-53页 |
| ·遗传算法运行参数设定 | 第53-54页 |
| ·基于遗传算法的小波神经网络模型 | 第54-55页 |
| ·参数优化 | 第54-55页 |
| ·网络训练 | 第55页 |
| ·神东矿区开采沉陷预计 | 第55-59页 |
| ·选取预计指标体系 | 第55页 |
| ·网络数据样本集选取 | 第55-58页 |
| ·网络模型测试及应用 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 7 结论与建议 | 第60-62页 |
| ·主要结论 | 第60-61页 |
| ·建议与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |
| 攻读硕士学位期间发表的论文 | 第66页 |
| 攻读硕士学位期间参与完成和在研的科研项目 | 第66页 |