| 摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 目录 | 第12-15页 |
| 第1章 绪论 | 第15-37页 |
| ·研究背景与意义 | 第15-16页 |
| ·研究背景与课题来源 | 第15-16页 |
| ·研究目的与意义 | 第16页 |
| ·国内外研究现状与综述 | 第16-26页 |
| ·目前常用的瓦斯突出风险评价方法 | 第17-19页 |
| ·基于小样本的评价理论与方法综述 | 第19-26页 |
| ·本文研究的主要内容 | 第26-27页 |
| ·论文的特色与创新点 | 第27-29页 |
| 本章主要参考文献 | 第29-37页 |
| 第2章 矿井瓦斯突出风险评价指标研究 | 第37-49页 |
| ·瓦斯突出机理 | 第37-38页 |
| ·瓦斯突出影响因素分析 | 第38-40页 |
| ·瓦斯特性对矿井瓦斯突出的影响 | 第38-39页 |
| ·煤层煤质特征对矿井瓦斯突出的影响 | 第39-40页 |
| ·地质结构及性质对矿井瓦斯突出的影响 | 第40页 |
| ·矿井瓦斯突出风险评价指标的灰色关联分析 | 第40-45页 |
| ·灰色关联分析及其在小样本排序中的优势 | 第40-42页 |
| ·基于灰色关联分析的矿井瓦斯突出风险评价指标选取 | 第42-45页 |
| 本章主要参考文献 | 第45-49页 |
| 第3章 基于神经网络的矿井瓦斯突出风险评价模型与应用研究 | 第49-77页 |
| ·人工神经网络模型基础 | 第49-54页 |
| ·神经网络模型概述 | 第49-50页 |
| ·神经网络的结构和类型 | 第50-51页 |
| ·神经网络模型的学习方法 | 第51-54页 |
| ·BP神经网络模型 | 第54-63页 |
| ·BP神经网络模型简介 | 第54-55页 |
| ·BP神经网络模型算法的数学描述 | 第55-62页 |
| ·对BP神经网络模型的性能分析 | 第62-63页 |
| ·基于BP神经网络的矿井瓦斯突出风险评价模型设计 | 第63-68页 |
| ·网络结构的设计 | 第64-66页 |
| ·活化函数的选取 | 第66-67页 |
| ·改进PB神经网络模型算法的设计 | 第67-68页 |
| ·对矿井瓦斯突出风险评评BP神经网络模型的训练 | 第68-71页 |
| ·矿井瓦斯突出风险评价模型的训练流程 | 第68-69页 |
| ·训练样本数据规范化方法的改进 | 第69-71页 |
| ·基于BP神经网络的矿井瓦斯突出风险评价模型应用 | 第71-74页 |
| ·矿井瓦斯突出风险评价模型的框架设计 | 第71-72页 |
| ·矿井瓦斯突出风险评价的神经网络结构设计 | 第72-73页 |
| ·基于神经网络的矿井瓦斯突出风险评价结果 | 第73-74页 |
| 本章主要参考文献 | 第74-77页 |
| 第4章 基于支持向量机的矿井瓦斯突出风险评价模型研究 | 第77-95页 |
| ·支持向量机及其在小样本评价中的优势 | 第77-80页 |
| ·支持向量机理论基础和基本思想 | 第77-79页 |
| ·支持向量机在小样本评价中的优势 | 第79-80页 |
| ·支持向量机原理 | 第80-83页 |
| ·支持向量机原理 | 第80-82页 |
| ·支持向量机的软件实现 | 第82-83页 |
| ·支持向量机常用模型及比较 | 第83-92页 |
| 本章主要参考文献 | 第92-95页 |
| 第5章 基于支持向量机的矿井瓦斯突出风险评价模型应用研究 | 第95-111页 |
| ·基于小样本的支持向量机风险评价模型 | 第95-98页 |
| ·支持向量机用于瓦斯突出风险评价的优势 | 第95-96页 |
| ·基于支持向量机的矿井瓦斯突出风险评价模型建立 | 第96-98页 |
| ·数据采集与预处理 | 第98-100页 |
| ·评价模型中参数的选择 | 第100-104页 |
| ·核函数的选择 | 第101-102页 |
| ·核函数参数的影响和选取 | 第102-104页 |
| ·矿井瓦斯突出风险评价模型的训练与评价应用 | 第104-106页 |
| ·支持向量机与神经网络及其它瓦斯突出评价方法的比较 | 第106-107页 |
| 本章主要参考文献 | 第107-111页 |
| 第6章 全文总结与工作展望 | 第111-115页 |
| ·全文总结 | 第111-114页 |
| ·工作展望 | 第114-115页 |
| 致谢 | 第115-117页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第117页 |
