綜合集成化人工智能技術(shù)及其礦業(yè)應(yīng)用

前言
第1章　緒論
1.1　人工智能及其發(fā)展
1.2　人工智能主要分支簡(jiǎn)介
1.3　人工智能技術(shù)在礦業(yè)工程中的應(yīng)用
參考文獻(xiàn)
第2章　人工智能技術(shù)的綜合集成化
　2.1 人工智能技術(shù)的發(fā)展趨向——綜合集成化
　2.2　人工神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)
　2.3　遺傳神經(jīng)網(wǎng)絡(luò)
　2.4　BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法
　2.5　遺傳算法的改進(jìn)
　2.6　本章結(jié)語(yǔ)
　參考文獻(xiàn)
第3章　礦區(qū)開(kāi)發(fā)條件評(píng)價(jià)與開(kāi)發(fā)次序決策的智能化系統(tǒng)
　3.1 礦區(qū)開(kāi)發(fā)條件綜合評(píng)價(jià)指標(biāo)體系
　3.2　基于專家評(píng)判的評(píng)價(jià)指標(biāo)權(quán)重分析
　3.3 礦區(qū)開(kāi)發(fā)次序優(yōu)化決策的專家系統(tǒng)
　3.4　實(shí)例研究
　3.5　本章結(jié)語(yǔ)
　參考文獻(xiàn)
第4章　礦田資源預(yù)測(cè)與估算智能系統(tǒng)
　4.1 引言
　4.2 基于遺傳神經(jīng)網(wǎng)絡(luò)的斷層推斷研究
　4.3　基于遺傳神經(jīng)網(wǎng)絡(luò)的煤層厚度預(yù)測(cè)研究
　4.4　基于人工智能方法的礦石品位估算研究
　4.5　本章結(jié)語(yǔ)
　參考文獻(xiàn)
第5章　礦井資源開(kāi)采條件綜合評(píng)價(jià)與工作面產(chǎn)量預(yù)測(cè)智能系統(tǒng).
　5.1 引言
　5.2 礦井資源開(kāi)采條件評(píng)價(jià)因素結(jié)構(gòu)及其指標(biāo)體系
　5.3 基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的評(píng)價(jià)因素隸屬函數(shù)的建立　
　5.4　基于遺傳神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)因素權(quán)重確定　
　5.5　資源開(kāi)采條件綜合評(píng)價(jià)模型
　5.6　基于綜合集成化智能方法的綜采工作面產(chǎn)量預(yù)測(cè)　
　5.7　本章結(jié)語(yǔ)　
　參考文獻(xiàn)
第6章　礦山開(kāi)采工藝與設(shè)備優(yōu)化選擇的綜合智能系統(tǒng)
　6.1 概述
　6.2　選擇可行開(kāi)采工藝方案的專家系統(tǒng)
　6.3 確定開(kāi)采工藝評(píng)價(jià)因素權(quán)重的人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)
　6.4　開(kāi)采工藝優(yōu)化選擇的模糊評(píng)判系統(tǒng)
　6.5 礦山開(kāi)采設(shè)備優(yōu)化選擇的遺傳算法模型
　6.6　本章結(jié)語(yǔ)
　參考文獻(xiàn)
第7章　礦區(qū)可持續(xù)發(fā)展評(píng)價(jià)與決策智能系統(tǒng)
7.1　礦區(qū)可持續(xù)發(fā)展意義　
7.2　礦區(qū)可持續(xù)發(fā)展評(píng)價(jià)體系
7.3 利用人工神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)礦區(qū)可持續(xù)發(fā)展　
7.4 基于專家系統(tǒng)的礦區(qū)可持續(xù)發(fā)展措施選擇系統(tǒng)　
7.5　礦區(qū)環(huán)境工程評(píng)價(jià)系統(tǒng)研究　
7.6　實(shí)例研究　
7.7　本章結(jié)語(yǔ)　
參考文獻(xiàn)
第8章　研究結(jié)論與前景展望　
8.1　主要研究結(jié)論
8.2 綜合集成化人工智能方法前景展望
參考文獻(xiàn)