| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 引言 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-18页 |
| 1.3 本文主要的研究内容 | 第18-19页 |
| 1.4 本文主要的工作 | 第19-20页 |
| 1.5 本文研究技术路线图 | 第20-21页 |
| 第二章 理论基础 | 第21-40页 |
| 2.1 瓦斯分源预测理论 | 第21-22页 |
| 2.2 BP神经网络理论 | 第22-33页 |
| 2.2.1 人工神经网络基本概念 | 第22-26页 |
| 2.2.2 BP神经网络原理概述 | 第26-27页 |
| 2.2.3 BP神经网络实现步骤 | 第27-28页 |
| 2.2.4 BP神经网络的特点与不足 | 第28-30页 |
| 2.2.5 BP算法的改进 | 第30-31页 |
| 2.2.6 BP神经网络工具箱 | 第31-33页 |
| 2.3 adaboost算法 | 第33-35页 |
| 2.3.1 adaboost算法的基本思想 | 第33-34页 |
| 2.3.2 adaboost强预测器算法 | 第34-35页 |
| 2.4 粒子群优化算法 | 第35-40页 |
| 2.4.1 粒子群优化算法概述 | 第35-36页 |
| 2.4.2 粒子群优化算法步骤 | 第36-38页 |
| 2.4.3 标准粒子群算法改进 | 第38-40页 |
| 第三章 用于非线性系统预测的PSOBP-adaboost算法 | 第40-48页 |
| 3.1 PSOBP-adaboost算法 | 第41-43页 |
| 3.1.1 PSOBP-adaboost算法基本原理 | 第41页 |
| 3.1.2 PSOBP-adaboost算法的设计 | 第41-43页 |
| 3.2 基于PSOBP-adaboost算法的非线性系统预测仿真实验 | 第43-48页 |
| 第四章 基于PSOBP-adaboost算法的煤矿瓦斯涌出量分源预测模型建立 | 第48-63页 |
| 4.1 瓦斯涌出分源预测的影响因子分析 | 第48-53页 |
| 4.1.1 煤层瓦斯形成与赋存 | 第48-49页 |
| 4.1.2 瓦斯涌出量的影响因素 | 第49-51页 |
| 4.1.3 瓦斯涌出量影响因子的提取 | 第51-53页 |
| 4.2 影响因子的主成分分析 | 第53-57页 |
| 4.2.1 主成分分析原理 | 第53-54页 |
| 4.2.2 开采煤层影响因子主成分分析 | 第54-56页 |
| 4.2.3 邻近煤层影响因子主成分分析 | 第56-57页 |
| 4.3 基于BP神经网络的瓦斯涌出分源预测模型 | 第57-61页 |
| 4.3.1 BP神经网络瓦斯涌出分源预测的思路 | 第57-59页 |
| 4.3.2 BP神经网络瓦斯涌出量各分源预测模型的建立 | 第59-61页 |
| 4.4 基于PSOBP-adaboost的瓦斯涌出量各分源预测模型的建立 | 第61-63页 |
| 4.4.1 PSOBP-adaboost瓦斯涌出量分源预测的基本思想 | 第61-62页 |
| 4.4.2 PSOBP-adaboost瓦斯涌出量分源预测模型的建立 | 第62-63页 |
| 第五章 瓦斯涌出量分源预测实例分析 | 第63-83页 |
| 5.1 基于BP神经网络的瓦斯涌出量分源预测 | 第63-71页 |
| 5.1.1 开采煤层的瓦斯涌出量分源预测 | 第63-66页 |
| 5.1.2 临近煤层瓦斯涌出量预测 | 第66-68页 |
| 5.1.3 采空区瓦斯涌出量预测 | 第68-71页 |
| 5.2 基于PSOBP-adaboost算法的瓦斯涌出量分源预测 | 第71-83页 |
| 5.2.1 开采煤层瓦斯涌出量预测 | 第72-75页 |
| 5.2.2 临近煤层瓦斯涌出量预测 | 第75-78页 |
| 5.2.3 采空区瓦斯涌出量预测 | 第78-83页 |
| 第六章 结论与展望 | 第83-85页 |
| 6.1 结论 | 第83-84页 |
| 6.2 展望 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 作者简历 | 第88-89页 |
| 学位论文数据集 | 第89-90页 |
