| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| Extended Abstract | 第9-11页 |
| 目录 | 第11-15页 |
| 图清单 | 第15-17页 |
| 表清单 | 第17-19页 |
| 缩略词清单 | 第19-20页 |
| 1 绪论 | 第20-33页 |
| ·课题背景及意义 | 第20-23页 |
| ·煤与瓦斯突出预测研究现状 | 第23-27页 |
| ·人工免疫系统研究综述 | 第27-31页 |
| ·本文的主要研究内容 | 第31-33页 |
| 2 煤与瓦斯突出的非线性分析与预测 | 第33-47页 |
| ·概述 | 第33页 |
| ·煤与瓦斯突出的特点与规律 | 第33-34页 |
| ·煤与瓦斯突出的主要影响因素 | 第34-38页 |
| ·煤与瓦斯突出的非线性研究 | 第38-44页 |
| ·煤与瓦斯突出的非线性预测 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 3 基于人工免疫的数据挖掘 | 第47-69页 |
| ·数据挖掘概述 | 第47-50页 |
| ·人工免疫系统的一般模型 | 第50-52页 |
| ·群体免疫算法 | 第52-60页 |
| ·网络免疫算法 | 第60-65页 |
| ·人工免疫数据挖掘方法分析 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 4 面向瓦斯突出预测的浓度抑制克隆选择算法关联规则挖掘 | 第69-92页 |
| ·关联规则挖掘技术 | 第69-73页 |
| ·关联规则发现与免疫过程的相似性 | 第73-75页 |
| ·浓度抑制克隆选择算法 | 第75-84页 |
| ·基于 CRCSA 的关联规则挖掘方法 | 第84-89页 |
| ·基于 CRCSA 关联规则挖掘的煤与瓦斯突出预测 | 第89-91页 |
| ·本章小结 | 第91-92页 |
| 5 基于距离浓度自适应aiNET 网络聚类的煤与瓦斯突出预测 | 第92-110页 |
| ·聚类分析研究综述 | 第92-95页 |
| ·距离浓度自适应aiNET 网络模型 | 第95-103页 |
| ·DCAaiNET 模型聚类算法 | 第103-107页 |
| ·基于 DCAaiNET 聚类的煤与瓦斯突出预测 | 第107-109页 |
| ·本章小结 | 第109-110页 |
| 6 基于混沌免疫优化算法的非线性时间序列预测 | 第110-135页 |
| ·非线性时间序列预测 | 第110-113页 |
| ·混沌免疫优化算法 | 第113-125页 |
| ·基于混沌免疫优化RBF 神经网络的时间序列预测 | 第125-131页 |
| ·基于混沌免疫优化 RBF 网络的瓦斯时间序列预测 | 第131-133页 |
| ·本章小结 | 第133-135页 |
| 7 基于人工免疫的瓦斯突出预测原型系统 | 第135-143页 |
| ·开发工具 | 第135页 |
| ·基于人工免疫的瓦斯突出预测原型系统设计 | 第135-136页 |
| ·瓦斯突出预测应用实例 | 第136-142页 |
| ·本章小结 | 第142-143页 |
| 8 结论 | 第143-145页 |
| ·本文所做的主要工作 | 第143-144页 |
| ·未来工作的展望 | 第144-145页 |
| 参考文献 | 第145-153页 |
| 作者简历 | 第153-156页 |
| 学位论文数据集 | 第156页 |
