| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 煤自然发火的原因 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 传统预测方法 | 第11-14页 |
| 1.3.2 智能预测方法 | 第14-16页 |
| 第2章 煤自然发火预报系统的总体方案 | 第16-19页 |
| 2.1 总体方案 | 第16-17页 |
| 2.2 硬件方案 | 第17-18页 |
| 2.3 软件方案 | 第18-19页 |
| 第3章 人工神经网络概述 | 第19-32页 |
| 3.1 人工神经网络的发展 | 第19-20页 |
| 3.2 生物神经元与人工神经元 | 第20-24页 |
| 3.2.1 生物神经元 | 第20-21页 |
| 3.2.2 人工神经元 | 第21-24页 |
| 3.3 人工神经网络 | 第24-27页 |
| 3.3.1 神经网络的结构 | 第24-26页 |
| 3.3.2 神经网络的学习 | 第26-27页 |
| 3.4 LVQ神经网络概述 | 第27-32页 |
| 3.4.1 LVQ神经网络的结构 | 第28-29页 |
| 3.4.2 LVQ神经网络的学习算法 | 第29-31页 |
| 3.4.3 LVQ神经网络的特点 | 第31-32页 |
| 第4章 煤自然发火预报系统的检测环节 | 第32-41页 |
| 4.1 束管系统工作原理 | 第32-33页 |
| 4.2 气相色谱仪及工作原理 | 第33-39页 |
| 4.3 温度传感器 | 第39-41页 |
| 第5章 数据传输环节 | 第41-46页 |
| 5.1 数据传输环节整体方案 | 第41-42页 |
| 5.2 构建局域网与文件共享 | 第42页 |
| 5.3 数据同步 | 第42-46页 |
| 第6章 基于LVQ神经网络的煤自然发火预测模型 | 第46-54页 |
| 6.1 煤层自然发火预测模型 | 第46-47页 |
| 6.1.1 煤层自然发火预测模型的选取 | 第46页 |
| 6.1.2 煤层自然发火预测的基本思路 | 第46-47页 |
| 6.2 LVQ网络的煤层自然发火预测模型建立 | 第47-50页 |
| 6.3 LVQ网络在煤层自然发火预测中的仿真应用 | 第50-54页 |
| 6.3.1 标志气体数据的采集 | 第50-51页 |
| 6.3.2 LVQ神经网络的创建 | 第51页 |
| 6.3.3 LVQ与BP神经网络的仿真与结果对比分析 | 第51-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 导师简介 | 第60-61页 |
| 作者简介 | 第61-62页 |
| 学位论文数据集 | 第62页 |