| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题的背景和意义 | 第10页 |
| ·煤矿水害预测当前现状 | 第10-11页 |
| ·信息融合技术及其现状 | 第11-12页 |
| ·信息融合技术的发展 | 第11-12页 |
| ·信息融合技术的应用领域 | 第12页 |
| ·课题主要内容 | 第12-13页 |
| ·小结 | 第13-14页 |
| 第二章 多传感器信息融合技术 | 第14-27页 |
| ·信息融合技术简介 | 第14页 |
| ·信息融合技术的功能模型及相应技术和方法 | 第14-18页 |
| ·多传感器信息融合系统的功能模型 | 第15-16页 |
| ·多传感器信息融合技术的技术和方法 | 第16-18页 |
| ·多传感器数据融合技术的层次结构 | 第18-23页 |
| ·数据层融合 | 第18-19页 |
| ·特征层融合 | 第19-21页 |
| ·决策层融合 | 第21-22页 |
| ·三种结构层次之间的比较 | 第22-23页 |
| ·多传感器数据融合技术的体系结构 | 第23-26页 |
| ·集中式融合 | 第23-24页 |
| ·分布式融合 | 第24-26页 |
| ·混合式融合 | 第26页 |
| ·小结 | 第26-27页 |
| 第三章 D-S 证据理论在煤矿水害预测中的应用 | 第27-41页 |
| ·D-S 证据理论 | 第27-30页 |
| ·D-S 证据理论的基本概念 | 第27-28页 |
| ·D-S 证据理论的融合方法 | 第28-29页 |
| ·D-S 证据理论的决策规则 | 第29-30页 |
| ·D-S 证据理论在煤矿水害中的应用 | 第30-40页 |
| ·传感器数据预处理 | 第31-32页 |
| ·基本概率函数的获得 | 第32-34页 |
| ·隶属度μij 的获得 | 第34-35页 |
| ·具体融合过程及结论 | 第35-40页 |
| ·小结 | 第40-41页 |
| 第四章 神经网络在煤矿水害预测中的应用 | 第41-55页 |
| ·神经网络 | 第41-44页 |
| ·神经系统 | 第41页 |
| ·人工神经网络 | 第41-42页 |
| ·神经网络的基本特征和性质 | 第42页 |
| ·几种常用的神经网络 | 第42-43页 |
| ·神经网络融合的一般方法和特点 | 第43-44页 |
| ·BP 神经网络 | 第44-48页 |
| ·BP 网络结构 | 第44-45页 |
| ·BP 网络学习规则 | 第45-47页 |
| ·BP 网络设计技巧 | 第47-48页 |
| ·神经网络在煤矿水害预测中的应用 | 第48-54页 |
| ·BP 神经网络的设计过程 | 第48-50页 |
| ·BP 神经网络输出判决规则 | 第50页 |
| ·MATLAB 训练及结论 | 第50-54页 |
| ·小结 | 第54-55页 |
| 第五章 神经网络与D-S 证据理论相接合的两级融合算法在煤矿水害中的应用 | 第55-72页 |
| ·D-S 证据理论的优缺点及改进方法 | 第55-58页 |
| ·D-S 证据理论的优点 | 第55页 |
| ·D-S 证据理论存在的缺陷 | 第55-56页 |
| ·D-S 新的合成公式 | 第56-58页 |
| ·BP 网络的不足及改进 | 第58-60页 |
| ·两级融合算法的提出 | 第60-61页 |
| ·两级融合算法在煤矿水害中的应用 | 第61-71页 |
| ·融合系统结构简介 | 第61-62页 |
| ·神经网络数据融合 | 第62页 |
| ·时间信息融合 | 第62-63页 |
| ·D-S 证据理论融合 | 第63页 |
| ·具体融合过程 | 第63-71页 |
| ·小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·总结 | 第72-73页 |
| ·展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第79页 |