煤矿安全评价系统研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第9-10页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 造成事故的原因 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13页 |
| 1.4 煤矿安全评价研究方法 | 第13-14页 |
| 1.4.1 定性研究方法 | 第13-14页 |
| 1.4.2 定量研究方法 | 第14页 |
| 1.5 煤矿生产特点 | 第14-16页 |
| 第2章 煤矿安全预警理论研究 | 第16-22页 |
| 2.1 煤矿安全预警理论 | 第16-17页 |
| 2.2 煤矿安全评价指标体系 | 第17-18页 |
| 2.3 煤矿安全评价设定条件 | 第18-19页 |
| 2.4 煤矿安全风险因素 | 第19-22页 |
| 第3章 基于神经网络的模型研究 | 第22-35页 |
| 3.1 人工神经网络 | 第22-23页 |
| 3.1.1 人工神经网络特点 | 第22-23页 |
| 3.2 生物神经元 | 第23-24页 |
| 3.3 神经网络模型 | 第24-27页 |
| 3.3.1 人工神经网络模型 | 第24-25页 |
| 3.3.2 神经元函数 | 第25-27页 |
| 3.4 神经网络结构 | 第27-29页 |
| 3.5 人工神经网络学习 | 第29-31页 |
| 3.6 神经网络非线性概述 | 第31-35页 |
| 第4章 安全评价模型 | 第35-52页 |
| 4.1 BP神经网络 | 第35-39页 |
| 4.1.1 BP神经网络学习 | 第35-37页 |
| 4.1.2 BP神经网络计算过程 | 第37-39页 |
| 4.2 BP神经网络设计 | 第39-42页 |
| 4.2.1 BP网络层个数 | 第39-40页 |
| 4.2.2 神经元个数选择 | 第40-42页 |
| 4.2.3 神经元学习效率 | 第42页 |
| 4.3 初始值和阈值 | 第42-45页 |
| 4.3.1 样本数量选择 | 第43页 |
| 4.3.2 BP神经网络训练 | 第43-45页 |
| 4.4 BP神经网络算法流程 | 第45-46页 |
| 4.5 BP神经网络算法不足 | 第46-48页 |
| 4.6 BP神经网络算法改进 | 第48-52页 |
| 第5章 BP神经网络在煤矿安全评价中的应用 | 第52-63页 |
| 5.1 初始数据处理 | 第52-54页 |
| 5.1.1 样本数量选择 | 第52-54页 |
| 5.1.2 样本函数选择 | 第54页 |
| 5.2 BP网络训练 | 第54-59页 |
| 5.2.1 样本数据输入 | 第54-56页 |
| 5.2.2 神经网络训练 | 第56-59页 |
| 5.3 结果比较 | 第59页 |
| 5.4 线性回归预测 | 第59-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 导师简介 | 第68页 |
| 企业导师简介 | 第68-69页 |
| 作者简介 | 第69-70页 |
| 学位论文数据集 | 第70页 |
