本文關(guān)鍵詞：基于改進(jìn)蟻群算法-RBF神經(jīng)網(wǎng)絡(luò)的煤礦安全風(fēng)險預(yù)測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著中國經(jīng)濟(jì)的迅速發(fā)展，對能源的需求不斷增加，煤炭資源成為我國經(jīng)濟(jì)和社會發(fā)展的一項非常重要的戰(zhàn)略資源。我國是主要煤炭生產(chǎn)國，同時也是主要煤炭消費(fèi)國，煤炭生產(chǎn)行業(yè)的安全形勢卻非常嚴(yán)峻，盡管近年來總煤礦事故有下降趨勢，但重特大事故仍時有發(fā)生，煤礦安全狀況不理想，煤炭發(fā)展面臨著機(jī)遇與挑戰(zhàn)并存。雖然煤礦安全的問題早已引起各學(xué)者的重視，但對這方面的研究起步較晚，對煤礦安全風(fēng)險的預(yù)測基礎(chǔ)薄弱，，論文正是在這種背景下展開研究的。 本文以煤礦的安全風(fēng)險為研究對象，以事故致因理論和人-機(jī)-環(huán)系統(tǒng)分析理論為基礎(chǔ)，建立了煤礦安全風(fēng)險預(yù)測指標(biāo)體系。利用改進(jìn)蟻群算法對RBF神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，以克服傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)收斂速度慢、易陷入局部極值、精度不高的缺點(diǎn)，改善了RBF神經(jīng)網(wǎng)絡(luò)的泛化能力，使其具有輸出穩(wěn)定性良好、收斂速度快的特點(diǎn)。在此基礎(chǔ)上，建立了基于改進(jìn)蟻群-RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，并運(yùn)用MATLAB軟件計算工具進(jìn)行精確計算，使得煤礦安全風(fēng)險的預(yù)測結(jié)果更加準(zhǔn)確，為決策者提供更為可靠的決策依據(jù)。論文最后通過實(shí)證分析驗證該預(yù)測模型的有效性。
【關(guān)鍵詞】：改進(jìn)蟻群算法 RBF神經(jīng)網(wǎng)絡(luò) 煤礦安全 風(fēng)險預(yù)測
【學(xué)位授予單位】：河北工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TD76
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-15
• 1.1 研究背景及研究意義10-12
• 1.1.1 研究背景10
• 1.1.2 研究意義10-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 煤礦安全風(fēng)險管理的研究現(xiàn)狀12-13
• 1.2.2 煤礦安全風(fēng)險預(yù)測技術(shù)的研究現(xiàn)狀13-14
• 1.3 研究內(nèi)容及創(chuàng)新點(diǎn)14-15
• 1.3.1 研究內(nèi)容14
• 1.3.2 創(chuàng)新點(diǎn)14-15
• 第2章 煤礦安全風(fēng)險分析的理論基礎(chǔ)15-23
• 2.1 相關(guān)概念的內(nèi)涵15-17
• 2.1.1 安全風(fēng)險15-16
• 2.1.2 安全風(fēng)險預(yù)測16-17
• 2.2 煤礦安全風(fēng)險的識別17-21
• 2.2.1 安全風(fēng)險識別的理論依據(jù)17-19
• 2.2.2 安全風(fēng)險識別的原則19
• 2.2.3 安全風(fēng)險識別的方法19-21
• 2.3 煤礦安全風(fēng)險預(yù)測的原則21-22
• 2.4 本章小結(jié)22-23
• 第3章 煤礦安全風(fēng)險預(yù)測指標(biāo)體系的構(gòu)建23-33
• 3.1 煤礦安全風(fēng)險系統(tǒng)特點(diǎn)的分析23-24
• 3.2 煤礦安全風(fēng)險預(yù)測指標(biāo)體系的設(shè)計目的及原則24-26
• 3.2.1 風(fēng)險預(yù)測指標(biāo)體系的設(shè)計目的24
• 3.2.2 風(fēng)險預(yù)測指標(biāo)體系的設(shè)計原則24-26
• 3.3 煤礦安全風(fēng)險預(yù)測指標(biāo)體系的設(shè)計流程26-28
• 3.4 煤礦安全風(fēng)險分析28-30
• 3.5 煤礦安全風(fēng)險預(yù)測指標(biāo)體系的建立30-32
• 3.6 本章小結(jié)32-33
• 第4章 基于改進(jìn)蟻群算法-RBF 神經(jīng)網(wǎng)絡(luò)的煤礦安全風(fēng)險預(yù)測33-48
• 4.1 改進(jìn)蟻群算法相關(guān)理論33-37
• 4.1.1 蟻群算法的基本原理33-34
• 4.1.2 蟻群算法的數(shù)學(xué)模型34-36
• 4.1.3 改進(jìn)蟻群算法36-37
• 4.2 RBF 神經(jīng)網(wǎng)絡(luò)相關(guān)原理37-42
• 4.2.1 RBF 神經(jīng)網(wǎng)絡(luò)的基本原理37-38
• 4.2.2 RBF 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)38-39
• 4.2.3 RBF 神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)39-41
• 4.2.4 RBF 神經(jīng)網(wǎng)絡(luò)的特點(diǎn)41-42
• 4.3 改進(jìn)蟻群算法-RBF 神經(jīng)網(wǎng)絡(luò)的預(yù)測模型42-47
• 4.3.1 RBF 神經(jīng)網(wǎng)絡(luò)預(yù)測模型參數(shù)選擇42-44
• 4.3.2 改進(jìn)蟻群算法優(yōu)化 RBF 神經(jīng)網(wǎng)絡(luò)44-45
• 4.3.3 隱含層單元結(jié)構(gòu)的調(diào)整45-46
• 4.3.4 隱含層到輸出層的權(quán)值調(diào)整46
• 4.3.5 改進(jìn)蟻群算法優(yōu)化 RBF 神經(jīng)網(wǎng)絡(luò)的預(yù)測步驟46-47
• 4.4 本章小結(jié)47-48
• 第5章 煤礦安全風(fēng)險預(yù)測應(yīng)用研究48-66
• 5.1 煤礦企業(yè)概況48
• 5.2 風(fēng)險數(shù)據(jù)的獲取及預(yù)處理48-62
• 5.2.1 數(shù)據(jù)的獲取48-55
• 5.2.2 數(shù)據(jù)的預(yù)處理55-62
• 5.3 預(yù)測模型仿真62-64
• 5.4 煤礦安全風(fēng)險預(yù)測64
• 5.5 煤礦安全風(fēng)險控制策略64-65
• 5.6 本章小結(jié)65-66
• 結(jié)論與展望66-67
• 參考文獻(xiàn)67-70
• 致謝70-71
• 作者簡介71
• 攻讀碩士學(xué)位期間發(fā)表的論文71-72

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 許正權(quán);徐金標(biāo);宋學(xué)鋒;;煤礦安全事故預(yù)防長效機(jī)制研究[J];礦業(yè)安全與環(huán)保;2007年01期

2 呂品;周心權(quán);;灰色馬爾可夫模型在煤礦安全事故預(yù)測中應(yīng)用[J];安徽理工大學(xué)學(xué)報(自然科學(xué)版);2006年01期

3 孫忠強(qiáng);郭立穩(wěn);張嘉勇;朱令起;;人工神經(jīng)網(wǎng)絡(luò)模型在瓦斯預(yù)測中的應(yīng)用[J];礦業(yè)快報;2006年09期

4 徐君;基于GM(1,1)模型的礦井瓦斯涌出量預(yù)測研究[J];礦業(yè)研究與開發(fā);2005年03期

5 伍愛友,田云麗,宋譯,何利文;灰色系統(tǒng)理論在礦井瓦斯涌出量預(yù)測中的應(yīng)用[J];煤炭學(xué)報;2005年05期

  本文關(guān)鍵詞：基于改進(jìn)蟻群算法-RBF神經(jīng)網(wǎng)絡(luò)的煤礦安全風(fēng)險預(yù)測研究，由筆耕文化傳播整理發(fā)布。

本文編號：278960