發(fā)布時間：2017-03-31 05:09

  本文關鍵詞：基于改進蟻群算法-RBF神經網絡的煤礦安全風險預測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著中國經濟的迅速發(fā)展，對能源的需求不斷增加，煤炭資源成為我國經濟和社會發(fā)展的一項非常重要的戰(zhàn)略資源。我國是主要煤炭生產國，同時也是主要煤炭消費國，煤炭生產行業(yè)的安全形勢卻非常嚴峻，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)展面臨著機遇與挑戰(zhàn)并存。雖然煤礦安全的問題早已引起各學者的重視，但對這方面的研究起步較晚，對煤礦安全風險的預測基礎薄弱，，論文正是在這種背景下展開研究的。 本文以煤礦的安全風險為研究對象，以事故致因理論和人-機-環(huán)系統(tǒng)分析理論為基礎，建立了煤礦安全風險預測指標體系。利用改進蟻群算法對RBF神經網絡參數(shù)進行優(yōu)化，以克服傳統(tǒng)RBF神經網絡收斂速度慢、易陷入局部極值、精度不高的缺點，改善了RBF神經網絡的泛化能力，使其具有輸出穩(wěn)定性良好、收斂速度快的特點。在此基礎上，建立了基于改進蟻群-RBF神經網絡的預測模型，并運用MATLAB軟件計算工具進行精確計算，使得煤礦安全風險的預測結果更加準確，為決策者提供更為可靠的決策依據。論文最后通過實證分析驗證該預測模型的有效性。
【關鍵詞】：改進蟻群算法 RBF神經網絡 煤礦安全 風險預測
【學位授予單位】：河北工程大學
【學位級別】：碩士
【學位授予年份】：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 國內外研究現(xiàn)狀12-14
• 1.2.1 煤礦安全風險管理的研究現(xiàn)狀12-13
• 1.2.2 煤礦安全風險預測技術的研究現(xiàn)狀13-14
• 1.3 研究內容及創(chuàng)新點14-15
• 1.3.1 研究內容14
• 1.3.2 創(chuàng)新點14-15
• 第2章 煤礦安全風險分析的理論基礎15-23
• 2.1 相關概念的內涵15-17
• 2.1.1 安全風險15-16
• 2.1.2 安全風險預測16-17
• 2.2 煤礦安全風險的識別17-21
• 2.2.1 安全風險識別的理論依據17-19
• 2.2.2 安全風險識別的原則19
• 2.2.3 安全風險識別的方法19-21
• 2.3 煤礦安全風險預測的原則21-22
• 2.4 本章小結22-23
• 第3章 煤礦安全風險預測指標體系的構建23-33
• 3.1 煤礦安全風險系統(tǒng)特點的分析23-24
• 3.2 煤礦安全風險預測指標體系的設計目的及原則24-26
• 3.2.1 風險預測指標體系的設計目的24
• 3.2.2 風險預測指標體系的設計原則24-26
• 3.3 煤礦安全風險預測指標體系的設計流程26-28
• 3.4 煤礦安全風險分析28-30
• 3.5 煤礦安全風險預測指標體系的建立30-32
• 3.6 本章小結32-33
• 第4章 基于改進蟻群算法-RBF 神經網絡的煤礦安全風險預測33-48
• 4.1 改進蟻群算法相關理論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)學模型34-36
• 4.1.3 改進蟻群算法36-37
• 4.2 RBF 神經網絡相關原理37-42
• 4.2.1 RBF 神經網絡的基本原理37-38
• 4.2.2 RBF 神經網絡的結構38-39
• 4.2.3 RBF 神經網絡算法的實現(xiàn)39-41
• 4.2.4 RBF 神經網絡的特點41-42
• 4.3 改進蟻群算法-RBF 神經網絡的預測模型42-47
• 4.3.1 RBF 神經網絡預測模型參數(shù)選擇42-44
• 4.3.2 改進蟻群算法優(yōu)化 RBF 神經網絡44-45
• 4.3.3 隱含層單元結構的調整45-46
• 4.3.4 隱含層到輸出層的權值調整46
• 4.3.5 改進蟻群算法優(yōu)化 RBF 神經網絡的預測步驟46-47
• 4.4 本章小結47-48
• 第5章 煤礦安全風險預測應用研究48-66
• 5.1 煤礦企業(yè)概況48
• 5.2 風險數(shù)據的獲取及預處理48-62
• 5.2.1 數(shù)據的獲取48-55
• 5.2.2 數(shù)據的預處理55-62
• 5.3 預測模型仿真62-64
• 5.4 煤礦安全風險預測64
• 5.5 煤礦安全風險控制策略64-65
• 5.6 本章小結65-66
• 結論與展望66-67
• 參考文獻67-70
• 致謝70-71
• 作者簡介71
• 攻讀碩士學位期間發(fā)表的論文71-72

【參考文獻】

中國期刊全文數(shù)據庫 前5條

1 許正權;徐金標;宋學鋒;;煤礦安全事故預防長效機制研究[J];礦業(yè)安全與環(huán)保;2007年01期

2 呂品;周心權;;灰色馬爾可夫模型在煤礦安全事故預測中應用[J];安徽理工大學學報(自然科學版);2006年01期

3 孫忠強;郭立穩(wěn);張嘉勇;朱令起;;人工神經網絡模型在瓦斯預測中的應用[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測中的應用[J];煤炭學報;2005年05期

  本文關鍵詞：基于改進蟻群算法-RBF神經網絡的煤礦安全風險預測研究，由筆耕文化傳播整理發(fā)布。

本文編號：278960