声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 煤矿瓦斯抽采效果评价研究现状
1.2.2 采空区卸压瓦斯抽采评价指标体系及评价方法研究现状
1.2.3 采空区卸压瓦斯抽采评价与调控系统研究现状
1.2.4 深度学习理论及方法在煤矿安全生产领域的研究现状
1.2.5 存在的问题
1.3 研究内容
（2）基于LSTM 回归的采空区卸压瓦斯抽采评价指标预测模型研究
（3）基于深度学习的采空区卸压瓦斯抽采评价模型及智能评价系统研究
1.4 研究方法和技术路线
2 采空区卸压瓦斯抽采评价指标体系研究
2.1 采空区卸压瓦斯抽采影响因素分析
2.1.1 采空区卸压瓦斯抽采技术分析
2.1.2 采空区卸压瓦斯抽采钻孔布置参数
2.1.3 采空区卸压瓦斯抽采施工管理
2.1.4 采空区卸压瓦斯抽采系统
2.2 采空区卸压瓦斯抽采评价指标体系建立
2.2.1 抽采评价指标建立原则
2.2.2 抽采评价指标体系构成
2.2.3 抽采评价指标筛选
2.2.4 抽采评价关键指标选取
2.3 采空区卸压瓦斯抽采评价指标权重确定
2.3.1 抽采评价权重计算方法选取
2.3.2 基于层次分析法的采空区卸压瓦斯抽采评价权重计算
2.3.3 基于关系矩阵法的采空区卸压瓦斯抽采评价权重计算
2.3.4 综合赋权值法
2.4 基于模糊综合评价的采空区卸压瓦斯抽采效果评价模型构建
2.4.1 评价方法选择
2.4.2 抽采评价模型建立
2.4.3 抽采评价等级划分
2.5 本章小节
3 基于LSTM的采空区卸压瓦斯抽采评价指标预测模型研究
3.1 深度学习理论与LSTM网络模型
3.1.1 深度学习理论
3.1.2 循环神经网络模型
3.1.3 LSTM网络模型
3.2 采空区卸压瓦斯基础数据集及数据预处理
3.2.1 瓦斯抽采关键评价指标预测流程
3.2.2采空区卸压瓦斯数据预处理
3.2.3 数据降维
3.2.4 构造时间窗
3.2.5 数据集划分
3.3 基于LSTM的采空区卸压瓦斯抽采评价关键指标预测模型建立
3.3.1 抽采评价关键指标预测模型学习流程
3.3.2 采空区卸压瓦斯抽采评价关键指标预测模型结构分析
3.3.3 基于LSTM的抽采评价关键指标预测模型构建及训练
3.4 基于LSTM采空区卸压瓦斯抽采预测模型实验与参数优化
3.4.1 实验数据集及模型评价指标选取
3.4.2 预测模型步长调优
3.4.3 预测模型损失函数调优
3.4.4 预测模型优化函数调优
3.5 采空区卸压瓦斯抽采评价指标预测模型对比分析
3.5.1 基于三层RNN与一层全连接层网络结构模型的对比实验
3.5.2 基于三层GRU和一层全连接层网络模型的对比实验
3.5.3 基于GRU和RNN模型的回风瓦斯浓度对比实验
3.6 本章小结
4 基于深度学习的采空区卸压瓦斯抽采智能评价模型研究
4.1采空区卸压瓦斯抽采智能评价指标数据预处理
4.1.1 基于拉格朗日插值法的数据缺失值补全
4.1.2 基于平均值修正法的异常值修正
4.1.3 采空区卸压瓦斯抽采数据归一化处理
4.2 基于支持向量机的浅层机器学习智能评价方法研究
4.2.1 支持向量机的浅层机器学习模型结构
4.2.2 基于SVM的采空区卸压瓦斯抽采智能评价模型构建
4.2.3 基于支持向量机评价模型结果分析
4.3 基于卷积神经网络的深度学习智能评价方法研究
4.3.1 卷积神经网络模型结构
4.3.2 基于卷积神经网络的采空区卸压瓦斯抽采智能评价模型构建
4.3.3 基于卷积神经网络智能评价结果分析
4.4 本章小结
5 基于云平台的采空区卸压瓦斯抽采智能调控与系统实现
5.1 采空区卸压瓦斯抽采智能调控模型构建
5.1.1 采空区卸压瓦斯抽采智能调控模型建立
5.1.2 采空区卸压瓦斯抽采智能调控模型参数调试
5.2 采空区卸压瓦斯抽采智能评价系统设计
5.2.1 系统开发环境及相关技术
5.2.2 系统开发流程及结构设计
5.2.3 系统布局与功能设计
5.3 采空区卸压瓦斯抽采智能评价系统实现
5.3.1 Web前端系统功能开发与实现
5.3.2 采空区卸压瓦斯抽采评价系统后台功能实现
5.3.3 系统开发关键技术解决
5.4 本章小结
6 采空区卸压瓦斯抽采智能评价方法工程验证
6.1 采空区卸压瓦斯高位钻孔抽采效果分析
6.1.1 工作面概况及钻孔抽采布置参数
6.1.2 高位钻孔布置及瓦斯抽采效果分析
6.2 采空区卸压瓦斯抽采预测模型验证
（1）陈家山矿高位钻孔瓦斯抽采浓度预测
（2）崔家沟矿高位钻孔瓦斯抽采浓度预测
6.3 采空区卸压瓦斯抽采智能评价及调控措施
6.3.1 采空区卸压瓦斯抽采智能评价效果分析
6.3.2 采空区卸压瓦斯抽采智能评价调控措施建议
6.4 本章小结
7 结论
7.1 结论
7.2 创新点
7.3 展望
致谢
参考文献
附录
1 攻读博士学位期间发表的论文
2 攻读博士学位期间获得的专利
3 攻读博士学位期间获得的软件著作权
4 攻读博士学位期间参与的科研项目
5 部分程序代码
