| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 多传感器数据融合国内外研究现状 | 第12-14页 |
| 1.2.2 煤矿瓦斯预警系统国内外研究现状 | 第14-15页 |
| 1.3 多传感器数据融合在煤矿预警应用中面临的挑战 | 第15-16页 |
| 1.4 本文研究内容和结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 煤矿瓦斯环境特点 | 第18-22页 |
| 2.1 煤矿事故灾害类型分析 | 第18-19页 |
| 2.2 煤矿瓦斯事故成因 | 第19页 |
| 2.3 影响瓦斯事故的指标选取 | 第19-20页 |
| 2.4 煤矿瓦斯数据、信息、预警和决策 | 第20-21页 |
| 2.4.1 瓦斯数据、信息、决策与预警的概念 | 第20页 |
| 2.4.2 瓦斯预测与瓦斯预警的关系 | 第20-21页 |
| 2.4.3 瓦斯监测、预警以及决策之间相互关系 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 D-S证据理论及改进算法研究 | 第22-31页 |
| 3.1 煤矿瓦斯预警中常用数据融合算法分析 | 第22-23页 |
| 3.2 D-S证据理论算法 | 第23-26页 |
| 3.2.1 D-S证据理论基本定义 | 第24页 |
| 3.2.2 D-S合成规则 | 第24-26页 |
| 3.3 D-S证据理论算法的改进 | 第26-28页 |
| 3.3.1 证据源的改进 | 第26-27页 |
| 3.3.2 组合规则的改进 | 第27-28页 |
| 3.4 算法验证 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于多传感器数据融合的煤矿瓦斯预警模型构建 | 第31-41页 |
| 4.1 多传感器数据融合概述 | 第31页 |
| 4.2 多传感器数据融合模型 | 第31-34页 |
| 4.3 煤矿瓦斯预警模型设计原则 | 第34页 |
| 4.4 瓦斯预警模型整体设计 | 第34-36页 |
| 4.5 基于最短距离聚类的数据级融合 | 第36-38页 |
| 4.6 基于改进的D-S证据理论的决策级数据融合 | 第38-40页 |
| 4.6.1 D-S证据理论决策流程 | 第38-39页 |
| 4.6.2 信度函数的获得 | 第39-40页 |
| 4.7 本章小结 | 第40-41页 |
| 第5章 预警模型实例验证 | 第41-50页 |
| 5.1 实验矿井简介 | 第41页 |
| 5.2 数据采集以及融合过程 | 第41-48页 |
| 5.2.1 瓦斯等相关数据采集 | 第41-42页 |
| 5.2.2 最短距离聚类数据级融合 | 第42-43页 |
| 5.2.3 D-S证据理论的决策级数据融合 | 第43-48页 |
| 5.3 结果分析 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者简介 | 第56页 |
| 攻读硕士学位期间发表的论文和参加科研情况 | 第56-57页 |