遗传算法与神经网络相结合在煤与瓦斯突出危险预测中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-21页 |
| ·引言 | 第11-12页 |
| ·瓦斯突出预测的目的与意义 | 第12-13页 |
| ·突出预测国内外研究现状 | 第13-17页 |
| ·国外研究现状 | 第13-15页 |
| ·国内研究现状 | 第15-17页 |
| ·本论文的研究方案 | 第17-21页 |
| ·研究内容 | 第17-18页 |
| ·本论文研究步骤 | 第18-21页 |
| 第二章 煤与瓦斯突出机理 | 第21-31页 |
| ·煤与瓦斯突出机理现状 | 第21-24页 |
| ·影响煤与瓦斯突出的主要因素 | 第24-29页 |
| ·概述 | 第24页 |
| ·地质构造 | 第24-26页 |
| ·地应力 | 第26页 |
| ·瓦斯参数 | 第26-27页 |
| ·煤体结构及煤质 | 第27-28页 |
| ·煤层厚度 | 第28-29页 |
| ·其他影响因素 | 第29页 |
| ·突出的一般规律 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 BP神经网络的煤与瓦斯突出预测 | 第31-51页 |
| ·人工神经网络和BP神经网络理论 | 第31-37页 |
| ·人工神经网络基本原理 | 第31-32页 |
| ·人工神经网络的主要学习算法 | 第32-33页 |
| ·BP神经网络的学习算法 | 第33-37页 |
| ·BP神经网络的局限性 | 第37页 |
| ·基于BP神经网络的煤与瓦斯突出预测模型建立 | 第37-42页 |
| ·煤与瓦斯突出BP神经网络预测原理 | 第37-39页 |
| ·预测模型开发工具简介 | 第39页 |
| ·BP人工神经网络模型在Matlab中的实现 | 第39-41页 |
| ·BP人工神经网络预测模型算法程序设计 | 第41-42页 |
| ·模型的总体设计 | 第42-43页 |
| ·预测模型中各模块的设计 | 第43-45页 |
| ·网络参数模块设计 | 第43-45页 |
| ·数据读取模块设计 | 第45页 |
| ·突出危险性BP人工神经网络模型的预测实例 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 第四章 遗传算法对BP神经网络预测模型的改进 | 第51-63页 |
| ·遗传算法理论 | 第51-54页 |
| ·遗传算法的基本原理 | 第51-53页 |
| ·遗传算法的特点 | 第53-54页 |
| ·遗传算法和神经网络相结合的可行性 | 第54-55页 |
| ·遗传算法对BP神经网络的优化 | 第55-58页 |
| ·网络权值的优化 | 第55-56页 |
| ·网络结构的忧化 | 第56页 |
| ·网络学习规则的优化 | 第56页 |
| ·遗传算法优化BP神经网络实现 | 第56-58页 |
| ·预测模型样本学习及预测 | 第58-61页 |
| ·本章小结 | 第61-63页 |
| 第五章 寺河煤矿瓦斯突出预测数据测定及分析测试 | 第63-73页 |
| ·寺河煤矿概述 | 第63页 |
| ·寺河煤矿煤与瓦斯突出主控因素分析 | 第63-64页 |
| ·寺河煤矿煤与瓦斯突出危险预测指标确定 | 第64-65页 |
| ·煤与瓦斯突出预测指标参数测定 | 第65-68页 |
| ·钻屑解吸指标(K_1)测定 | 第65页 |
| ·最大瓦斯钻屑量(S)测定 | 第65-66页 |
| ·钻孔瓦斯涌出初速度(q_0)测定 | 第66-67页 |
| ·煤的坚固性系数(f)测定 | 第67-68页 |
| ·寺河煤矿煤与瓦斯突出训练及测试 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 第六章 结论与展望 | 第73-75页 |
| ·结论 | 第73-74页 |
| ·未来工作展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间发表的学术论文 | 第82页 |
