| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-15页 |
| ·研究背景及研究意义 | 第7-9页 |
| ·研究背景 | 第7-8页 |
| ·问题的提出 | 第8-9页 |
| ·研究意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-12页 |
| ·研究内容及技术路线 | 第12-15页 |
| ·研究内容 | 第12-13页 |
| ·技术路线 | 第13-15页 |
| 2 基于 BP 神经网络的瓦斯涌出量预测模型 | 第15-33页 |
| ·人工神经网络的概念及功能 | 第15-16页 |
| ·BP 神经网络理论 | 第16-21页 |
| ·BP 神经网络的结构 | 第17页 |
| ·BP 神经网络模型的训练和预测过程 | 第17-20页 |
| ·BP 神经网络预测瓦斯涌出量的优势 | 第20-21页 |
| ·瓦斯涌出量预测 BP 神经网络模型的 Matlab 实现 | 第21-31页 |
| ·Matlab 进行 BP 网络模型构建的基本函数 | 第21页 |
| ·基于 Matlab 编程的 BP 神经网络设计 | 第21-22页 |
| ·模型数据的选择 | 第22-24页 |
| ·BP 神经网络预测模型参数的选择 | 第24-26页 |
| ·最佳隐含层神经元个数的确定 | 第26-29页 |
| ·训练函数的选择 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 3 Monte Carlo 方法对 BP 神经网络优化的研究 | 第33-45页 |
| ·Monte Carlo 方法介绍 | 第33-37页 |
| ·Monte Carlo 方法基本原理及特点 | 第33-35页 |
| ·Monte Carlo 方法的组成及实现过程 | 第35-36页 |
| ·Monte Carlo 方法模拟结果的收敛性和误差分析 | 第36-37页 |
| ·基于 Monte Carlo 方法的瓦斯涌出量预测实例分析 | 第37-40页 |
| ·Monte Carlo 方法进行瓦斯涌出量预测的应用 | 第40-41页 |
| ·Monte Carlo 方法进行瓦斯涌出量预测的优势 | 第40-41页 |
| ·Monte Carlo 方法进行瓦斯涌出量预测的适用条件 | 第41页 |
| ·Monte Carlo 方法对 BP 神经网络优化的研究 | 第41-42页 |
| ·基于 MC—BP 神经网络的回采工作面瓦斯涌出量预测模型 | 第42-44页 |
| ·基于 BP 神经网络的回采工作面瓦斯涌出量预测模型训练 | 第42-43页 |
| ·Monte Carlo 方法对 BP 神经网络输入值的筛选 | 第43-44页 |
| ·Monte Carlo 方法筛选结果的 BP 仿真 | 第44页 |
| ·本章小结 | 第44-45页 |
| 4 回采工作面瓦斯涌出量预测应用研究 | 第45-57页 |
| ·矿井概况 | 第45-46页 |
| ·矿井简介 | 第45页 |
| ·矿井通风与瓦斯概况 | 第45-46页 |
| ·东 113 回采工作面瓦斯涌出量预测 | 第46-56页 |
| ·东 113 回采工作面瓦斯涌出量的 BP 神经网络预测模型 | 第46-50页 |
| ·东 113 回采工作面瓦斯涌出量的 BP 神经网络训练过程 | 第50-51页 |
| ·Monte Carlo 方法对 BP 神经网络预测模型的改进 | 第51-55页 |
| ·传统 BP 预测模型与 MC-BP 预测模型精度对比 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 5 结论与展望 | 第57-59页 |
| ·结论 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65页 |
