声明
1 绪论
1.1 研究背景
1.2 研究意义
1.3 国内外研究现状
1.3.1 矿井瓦斯预测算法研究现状
1.3.2 数据挖掘及信息融合研究现状
1.3.3 瓦斯浓度场研究现状
1.3.4 存在的问题
1.4 研究内容及技术路线
1.4.1 研究内容
1.4.2 技术路线
2 瓦斯浓度数据挖掘基础理论
2.1 数据挖掘技术
2.2 数据挖掘流程
2.3 支持向量机
2.3.1 概述
2.3.2 经验风险最小化
2.3.4 支持向量机回归数学原理
2.3.5 核函数
2.3.6 影响支持向量机回归效果的参数
2.3.7 相空间重构
2.4 时间序列分析
2.4.1 ARMA时间序列模型
2.4.2 指数平滑时间序列模型
2.5 算法优缺点分析
2.6 本章小结
3 瓦斯浓度单一模型预测
3.1 瓦斯浓度数据统计特征分析
3.2 ARMA模型
3.2.1 ARMA的建模过程
3.2.2 ARMA综采工作面瓦斯浓度实现
3.3 Holt-Winters模型
3.3.1 平滑参数的选择
3.3.2 指数平滑预测及结果分析
3.4 SVR模型
3.4.1 数据预处理
3.4.2 模型参数选择
3.4.3 预测结果分析
3.5 本章小结
4 瓦斯浓度组合模型预测
4.1 组合预测理论
4.1.1 组合预测原理
4.1.2 组合预测分类
4.2 组合模型权重的确定
4.2.1 最优加权组合方法
4.2.2 变权重组合方法
4.3 组合模型
4.4 预测效果对比分析
4.5 本章小结
5 瓦斯浓度预测结果融合
5.1 瓦斯浓度场数值模拟
5.1.1 判断湍流的标准
5.1.2 控制方程
5.2 综采工作面几何模型
5.2.1 工作面概况
5.2.2 几何模型
5.2.2 网格划分
5.2.3 边界条件
5.3 工作面瓦斯浓度模拟结果分析
5.4 综采工作面瓦斯浓度预测
5.4.1 综采工作面瓦斯浓度信息融合思想
5.4.2 综采工作面瓦斯浓度预测实现
5.5 本章小结
6 结论
6.1 结论
6.2 展望
致谢
参考文献
附录
西安科技大学;