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
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)的改進算法
　2.5　遺傳算法的改進
　2.6　本章結(jié)語
　參考文獻
第3章　礦區(qū)開發(fā)條件評價與開發(fā)次序決策的智能化系統(tǒng)
　3.1 礦區(qū)開發(fā)條件綜合評價指標體系
　3.2　基于專家評判的評價指標權(quán)重分析
　3.3 礦區(qū)開發(fā)次序優(yōu)化決策的專家系統(tǒng)
　3.4　實例研究
　3.5　本章結(jié)語
　參考文獻
第4章　礦田資源預測與估算智能系統(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)的煤層厚度預測研究
　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
　參考文獻
第5章　礦井資源開采條件綜合評價與工作面產(chǎn)量預測智能系統(tǒng).
　5.1 引言
　5.2 礦井資源開采條件評價因素結(jié)構(gòu)及其指標體系
　5.3 基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的評價因素隸屬函數(shù)的建立　
　5.4　基于遺傳神經(jīng)網(wǎng)絡(luò)的評價因素權(quán)重確定　
　5.5　資源開采條件綜合評價模型
　5.6　基于綜合集成化智能方法的綜采工作面產(chǎn)量預測　
　5.7　本章結(jié)語　
　參考文獻
第6章　礦山開采工藝與設(shè)備優(yōu)化選擇的綜合智能系統(tǒng)
　6.1 概述
　6.2　選擇可行開采工藝方案的專家系統(tǒng)
　6.3 確定開采工藝評價因素權(quán)重的人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)
　6.4　開采工藝優(yōu)化選擇的模糊評判系統(tǒng)
　6.5 礦山開采設(shè)備優(yōu)化選擇的遺傳算法模型
　6.6　本章結(jié)語
　參考文獻
第7章　礦區(qū)可持續(xù)發(fā)展評價與決策智能系統(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)展評價體系
7.3 利用人工神經(jīng)網(wǎng)絡(luò)評價礦區(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)境工程評價系統(tǒng)研究　
7.6　實例研究　
7.7　本章結(jié)語　
參考文獻
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