基于支持向量机的煤矿瓦斯突出预测系统的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 1 绪论 | 第15-21页 |
| ·煤矿瓦斯突出的研究背景及意义 | 第15-16页 |
| ·煤矿瓦斯突出预测的国内外研究现状及发展方向 | 第16-18页 |
| ·本论文的主要研究内容 | 第18-21页 |
| 2 井下瓦斯浓度影响因素分析 | 第21-27页 |
| ·瓦斯突出机理 | 第21-22页 |
| ·瓦斯突出类型 | 第22页 |
| ·瓦斯突出一般规律 | 第22-23页 |
| ·影响瓦斯突出的因素 | 第23-26页 |
| ·围岩条件 | 第24页 |
| ·煤层煤质特征 | 第24页 |
| ·地质构造条件 | 第24-25页 |
| ·煤体结构 | 第25页 |
| ·煤层埋藏深度 | 第25页 |
| ·其他因素 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3. 井下瓦斯数据的采集及预处理 | 第27-47页 |
| ·瓦斯传感器在井下煤矿的数据采集 | 第27-29页 |
| ·瓦斯传感器的工作原理 | 第27-28页 |
| ·瓦斯传感器的硬件铺设 | 第28页 |
| ·瓦斯传感器的信号传输 | 第28-29页 |
| ·温度传感器在井下煤矿的数据采集 | 第29-30页 |
| ·数字温度传感器 | 第29页 |
| ·温度传感器的硬件架构 | 第29-30页 |
| ·煤矿井下瓦斯数据预处理 | 第30-46页 |
| ·小波分析滤波原理 | 第31-33页 |
| ·小波包分析 | 第33-36页 |
| ·小波小波分析的信号消噪处理 | 第36-46页 |
| ·本章小结 | 第46-47页 |
| 4 支持向量机理论 | 第47-65页 |
| ·支持向量机理论 | 第47-54页 |
| ·统计学理论简介 | 第47-49页 |
| ·分类支持向量机理论 | 第49-53页 |
| ·分类支持向量机学习算法 | 第53-54页 |
| ·支持向量机与人工神经网络相比较 | 第54页 |
| ·构造支持向量机多分类预测模型 | 第54-59页 |
| ·支持向量机多类分类方法的基本原理 | 第55-57页 |
| ·支持向量机多分类方法性能比较 | 第57-58页 |
| ·构造一对多分类方法 | 第58-59页 |
| ·核函数的选取 | 第59-61页 |
| ·可分性 | 第60-61页 |
| ·局部性 | 第61页 |
| ·核函数参数的影响和选取 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 5. 基于免疫支持向量机的瓦斯突出预测 | 第65-81页 |
| ·免疫进化算法理论 | 第65-68页 |
| ·免疫算法的生物学机理 | 第65-66页 |
| ·免疫进化算法的思想 | 第66-67页 |
| ·免疫进化算法表达式 | 第67-68页 |
| ·免疫进化算法的收敛性 | 第68-70页 |
| ·免疫进化算法的优点 | 第70-71页 |
| ·免疫支持向量机算法模型的设计 | 第71-76页 |
| ·模型样本训练集和测试集的选定 | 第71-72页 |
| ·数据归一化 | 第72-73页 |
| ·免疫进化算法选择最佳参数c和g | 第73-76页 |
| ·瓦斯突出预测模型的仿真与测试 | 第76-79页 |
| ·本章小结 | 第79-81页 |
| 6. 煤矿瓦斯突出预测系统硬件设计 | 第81-95页 |
| ·单片机最小系统设计 | 第81-89页 |
| ·Cortex-M3内核介绍 | 第81-83页 |
| ·STM32F103系列单片机 | 第83-87页 |
| ·STM32单片机最小系统 | 第87-89页 |
| ·数据采集模块设计 | 第89-90页 |
| ·模拟量数据采集 | 第89页 |
| ·开关量数据采集 | 第89-90页 |
| ·数据存储与显示模块设计 | 第90-91页 |
| ·RS485通信模块设计 | 第91-92页 |
| ·EEPROM模块设计 | 第92-93页 |
| ·时钟电路模块设计 | 第93-94页 |
| ·本章小结 | 第94-95页 |
| 7 结论 | 第95-97页 |
| 参考文献 | 第97-99页 |
| 致谢 | 第99-101页 |
| 作者简介及读研期间主要科研成果 | 第101页 |
