《现场矿山压力信息分析及预测模型》求取 ⇩

目 录1

序1

前言1

第一章 矿山压力信息的回归分析及预测模型1

第一节 多元线性回归模型1

第二节 自适应回归预测模型4

第三节 岭回归预测模型11

第四节 主成分回归模型12

第五节 特征根回归模型13

第一节 递进灰色预测模型16

第二章 矿山压力信息分析的灰色预测模型16

第二节 非线性灰色预测模型21

第三节 非等步长灰色预测模型26

第四节 对灰色预测模型的评述27

第三章 矿山压力漏损信息的拟补方法31

第一节 线性插值拟补方法31

第二节 多项式拟补方法35

第三节 样条函数插值拟补方法37

第四节 Fourier拟补方法41

第四章 矿山压力信息的聚类分析模型48

第一节 模糊C均值聚类方法49

第二节 神经网络聚类分析模型54

第三节 回采巷道分类指标的聚类分析56

第五章 矿山压力信息分析的分形模型61

第一节 基本分数维定义和常用计算方法62

第二节 顶板运动过程中声发射特征的分形分析68

第三节 岩体节 理间距分布的分形模型71

第六章 矿山压力信息分析的滤波方法78

第一节 直线滑动平均滤波方法78

第二节 三阶正交多项式滤波方法82

第三节 三次指数平滑方法85

第四节 Kalmman滤波方法86

第五节 α-β-γ滤波方法88

第一节 围岩稳定性识别的模糊最优模型90

第七章 围岩稳定性识别的模糊最优模型与神经网络模型90

第二节 多层BP神经网络模型99

第八章 矿山压力信息分析的矢量递推预报方法109

第一节 ARMA（n,m）过程的格林函数法109

第二节 矢量递推预报方法建模过程110

第三节 矢量递推预报过程及实例分析112

第九章 矿山压力伪信息的剔除与修正方法115

附录A 无监督学习聚类分析神经网络源程序121

附录B 关联分数维计算源程序133

附录C 矿山压力漏损信息的Fourier拟补方法源程序140

参考文献145