基于多傳感器及多元監(jiān)測(cè)數(shù)據(jù)的瓦斯預(yù)警理論與方法研究

第1章 緒論
1．1 研究背景與意義
1．2 煤與瓦斯突出危險(xiǎn)區(qū)域預(yù)測(cè)研究
1．3 瓦斯監(jiān)測(cè)多傳感器信息融合與知識(shí)發(fā)現(xiàn)研究
1．4 礦井瓦斯傳感器優(yōu)化選址研究
參考文獻(xiàn)
第一篇 煤與瓦斯突出危險(xiǎn)區(qū)域預(yù)測(cè)方法研究
第2章 瓦斯突出危險(xiǎn)區(qū)預(yù)測(cè)的地質(zhì)和地球物理基礎(chǔ)
2．1 地震波
2．2 瓦斯突出的地球物理基礎(chǔ)
2．3 地質(zhì)構(gòu)造對(duì)瓦斯賦存與富集的控制作用
2．4 瓦斯突出煤體的物理力學(xué)特性測(cè)試
2．5 本章小結(jié)
第3章 支持向量機(jī)理論及地震屬性的特征優(yōu)化
3．1 統(tǒng)計(jì)學(xué)習(xí)理論
3．2 支持向量機(jī)分類(lèi)
3．3 支持向量機(jī)核函數(shù)
3．4 核函數(shù)的參數(shù)選擇問(wèn)題
3．5 基于支持向量機(jī)的地震特征優(yōu)化
3．6 本章小結(jié)
第4章 基于地震正演模擬和SVM的煤與瓦斯突出危險(xiǎn)區(qū)預(yù)測(cè)方法研究
4．1 地震正演模擬方法
4．2 含瓦斯煤層的地震剖面正演模型的建立
4．3 基于正演地震剖面的地震屬性提取
4．4 基于地震屬性和SVM的預(yù)測(cè)模型研究
4．5 應(yīng)用實(shí)例
4．6 本章小結(jié)
第5章 煤與瓦斯突出危險(xiǎn)區(qū)預(yù)測(cè)實(shí)證研究——以淮南礦區(qū)張集礦深部采區(qū)為例
5．1 研究區(qū)基本情況
5．2 淮南礦區(qū)張集礦深部采區(qū)含瓦斯煤層地震正演模擬
5．3 基于SVM的煤與瓦斯突出危險(xiǎn)區(qū)預(yù)測(cè)
5．4 基于GIS的張集礦煤與瓦斯突出預(yù)測(cè)管理系統(tǒng)
5．5 本章小結(jié)
參考文獻(xiàn)
第二篇 瓦斯監(jiān)測(cè)多傳感器信息融合與知識(shí)發(fā)現(xiàn)研究
第6章 煤礦瓦斯安全監(jiān)測(cè)手段與評(píng)價(jià)指標(biāo)研究
6．1 瓦斯監(jiān)測(cè)的主要任務(wù)及方法概述
6．2 突出靜態(tài)預(yù)測(cè)方法與危險(xiǎn)評(píng)價(jià)指標(biāo)
6．3 突出動(dòng)態(tài)預(yù)測(cè)方法與危險(xiǎn)評(píng)價(jià)指標(biāo)
6．4 突出預(yù)測(cè)危險(xiǎn)性指標(biāo)排序
6．5 本章小結(jié)
第7章 瓦斯監(jiān)測(cè)多傳感器信息融合體系結(jié)構(gòu)研究
7．1 多傳感器信息融合體系結(jié)構(gòu)的設(shè)計(jì)原則
7．2 瓦斯監(jiān)測(cè)多傳感器信息融合目標(biāo)體系
7．3 瓦斯監(jiān)測(cè)多傳感器信息融合系統(tǒng)工作流程
7．4 瓦斯監(jiān)測(cè)傳感器的選用與組織
7．5 瓦斯監(jiān)測(cè)多傳感器信息融合體系總體結(jié)構(gòu)
7．6 基于A(yíng)rcGIS Server的瓦斯多級(jí)監(jiān)管系統(tǒng)結(jié)構(gòu)
7．7 基于模糊專(zhuān)家系統(tǒng)的瓦斯突出預(yù)測(cè)決策級(jí)融合
7．8 本章小結(jié)
第8章 基于時(shí)間序列相似性度量的瓦斯報(bào)警信號(hào)辨識(shí)
8．1 瓦斯超限報(bào)警原因分析
8．2 動(dòng)態(tài)時(shí)間彎曲距離及其應(yīng)用
8．3 基于DTW距離的GWTS聚類(lèi)分析
8．4 GWTS形態(tài)度量與特征提取
8．5 基于分段形態(tài)度量的瓦斯報(bào)警信號(hào)辨識(shí)算法
8．6 實(shí)驗(yàn)與分析
8．7 本章小結(jié)
第9章 基于時(shí)空相關(guān)性分析的瓦斯監(jiān)測(cè)數(shù)據(jù)異常識(shí)別
9．1 瓦斯傳感數(shù)據(jù)異常原因分類(lèi)
9．2 瓦斯異常傳感數(shù)據(jù)時(shí)空相關(guān)分析
9．3 基于層次編碼法的瓦斯傳感器編碼規(guī)則
9．4 基于時(shí)空相關(guān)性分析的瓦斯異常識(shí)別算法
9．5 實(shí)驗(yàn)與分析
9．6 本章小結(jié)
第10章 瓦斯監(jiān)測(cè)知識(shí)發(fā)現(xiàn)及知識(shí)庫(kù)系統(tǒng)設(shè)計(jì)
10．1 瓦斯監(jiān)測(cè)數(shù)據(jù)挖掘方法
10．2 瓦斯報(bào)警時(shí)間序列知識(shí)發(fā)現(xiàn)
10．3 瓦斯監(jiān)測(cè)知識(shí)庫(kù)系統(tǒng)設(shè)計(jì)
10．4 基于專(zhuān)家系統(tǒng)的工作面GwTs模式識(shí)別示例
10．5 本章小結(jié)
第11章 基于粗集一神經(jīng)網(wǎng)絡(luò)集成的煤礦知識(shí)發(fā)現(xiàn)
11．1 粗集理論
11．2 神經(jīng)網(wǎng)絡(luò)理論及BP神經(jīng)網(wǎng)絡(luò)
11．3 粗集與神經(jīng)網(wǎng)絡(luò)集成
11．4 基于粗集神經(jīng)網(wǎng)絡(luò)的煤礦數(shù)據(jù)挖掘模型
11．5 本章小結(jié)
第12章 基于矩陣編碼的改進(jìn)GABP知識(shí)挖掘模型
12．1 煤礦預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型的失效成因
12．2 遺傳算法概述
12．3 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)傳統(tǒng)模式
12．4 改進(jìn)遺傳算法
12．5 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)改進(jìn)模型
12．6 本章小結(jié)
第13章 改進(jìn)差分進(jìn)化神經(jīng)網(wǎng)絡(luò)及其煤礦知識(shí)發(fā)現(xiàn)
13．1 差分進(jìn)化算法的基本原理
13．2 差分進(jìn)化算法分析
13．3 差分進(jìn)化算法的改進(jìn)思路
13．4 基于改進(jìn)DE的神經(jīng)網(wǎng)絡(luò)優(yōu)化模型
13．5 MDE性能的測(cè)試
13．6 模型參數(shù)的敏感性分析
13．7 應(yīng)用實(shí)例
13．8 本章小結(jié)
參考文獻(xiàn)
第三篇 煤礦井下瓦斯傳感器優(yōu)化選址研究
第14章 瓦斯傳感器設(shè)施選址特征與決策域分析
14．1 煤礦安全監(jiān)控系統(tǒng)與瓦斯傳感器相關(guān)技術(shù)標(biāo)準(zhǔn)與規(guī)范
14．2 礦井瓦斯傳感器設(shè)施選址特征分析
14．3 瓦斯傳感器設(shè)施選址決策域分析
14．4 典型設(shè)施覆蓋選址模型
14．5 本章小結(jié)
第15章 礦井通風(fēng)巷道瓦斯積聚危險(xiǎn)性評(píng)價(jià)
15．1 礦井通風(fēng)巷道瓦斯?jié)舛茸兓卣?br />15．2 基于信息熵的瓦斯積聚危險(xiǎn)性評(píng)價(jià)模型
15．3 瓦斯積聚信息熵模型的積聚因子評(píng)價(jià)
15．4 實(shí)例分析
15．5 本章小結(jié)
第16章 礦井復(fù)雜通風(fēng)巷道瓦斯傳感器選址模型研究
16．1 選址模型構(gòu)建方案及相關(guān)假設(shè)與定義
16．2 礦井瓦斯傳感器選址模型輸入表示
16．3 瓦斯傳感器覆蓋選址基礎(chǔ)模型
16．4 瓦斯傳感器備用覆蓋選址模型
16．5 本章小結(jié)
第17章 瓦斯傳感器選址模型求解算法
17．1 相關(guān)算法簡(jiǎn)介
17．2 模型求解思路及關(guān)鍵技術(shù)
17．3 混合AcA算法求解單目標(biāo)選址模型
17．4 混合PACA算法求解多目標(biāo)選址模型
17．5 算法求解效果分析
17．6 本章小結(jié)
第18章 瓦斯傳感器優(yōu)化選址決策支持系統(tǒng)開(kāi)發(fā)與實(shí)例研究
18．1 MSDSS系統(tǒng)分析與設(shè)計(jì)
18．2 通風(fēng)地理網(wǎng)絡(luò)建模與分析
18．3 混合蟻群算法與GIS耦合求解選址模型
18．4 實(shí)例研究
18．5 本章小結(jié)
參考文獻(xiàn)