基于差值GM-RBF组合模型的瓦斯涌出量预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 1 绪论 | 第13-19页 |
| ·课题研究背景及意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·瓦斯涌出量预测研究现状 | 第14-15页 |
| ·灰色神经网络研究现状 | 第15-17页 |
| ·主要研究内容及技术路线 | 第17-19页 |
| ·主要研究内容 | 第17-18页 |
| ·技术路线 | 第18-19页 |
| 2 瓦斯涌出量的影响因素及预测方法 | 第19-31页 |
| ·煤层瓦斯流动理论 | 第19-22页 |
| ·瓦斯涌出量定义 | 第19页 |
| ·瓦斯赋存状态分析 | 第19-21页 |
| ·煤层瓦斯运移及变形机理 | 第21-22页 |
| ·工作面瓦斯涌出量的影响因素分析 | 第22-24页 |
| ·开采因素 | 第22-24页 |
| ·自然因素 | 第24页 |
| ·瓦斯涌出量预测方法 | 第24-30页 |
| ·矿山统计法 | 第24-25页 |
| ·分源预测法 | 第25-28页 |
| ·瓦斯地质数学模型法 | 第28页 |
| ·类比法 | 第28-29页 |
| ·非线性方法 | 第29-30页 |
| ·小结 | 第30-31页 |
| 3 灰色理论与神经网络理论基础 | 第31-43页 |
| ·灰色系统理论体系 | 第31-34页 |
| ·灰色GM(1,N)预测模型 | 第31-33页 |
| ·误差分析和精度检验 | 第33页 |
| ·灰色预测模型的优缺点 | 第33-34页 |
| ·神经网络理论概述 | 第34-42页 |
| ·人工神经元 | 第34-37页 |
| ·RBF神经网络 | 第37-39页 |
| ·RBF神经网络的学习算法 | 第39-41页 |
| ·RBF神经网络的优缺点 | 第41-42页 |
| ·小结 | 第42-43页 |
| 4 差值GM-RBF神经网络组合模型 | 第43-53页 |
| ·灰色神经网络组合模型 | 第43-44页 |
| ·改进的灰色神经网络预测模型 | 第44-52页 |
| ·GM-RBF神经网络组合模型建模思路 | 第44-45页 |
| ·GM-RBF神经网络组合模型的优化改进 | 第45-46页 |
| ·差值GM-RBF组合模型的数学模型 | 第46-49页 |
| ·差值GM-RBF组合模型操作流程 | 第49-51页 |
| ·差值GM-RBF模型预测精度分析 | 第51-52页 |
| ·小结 | 第52-53页 |
| 5 工作面瓦斯涌出量预测实例 | 第53-73页 |
| ·仿真模拟平台MATLAB简介 | 第53-54页 |
| ·瓦斯涌出量影响因素的选取 | 第54-57页 |
| ·GM(1,7)预测模型预测 | 第57-62页 |
| ·RBF神经网络预测模型预测 | 第62-66页 |
| ·差值GM-RBF组合模型预测 | 第66-71页 |
| ·预测结果对比分析 | 第71-72页 |
| ·小结 | 第72-73页 |
| 6 结论与展望 | 第73-75页 |
| ·结论 | 第73页 |
| ·展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 作者简介及读研期间主要科研成果 | 第81页 |
