本书主要介绍技术创新、智慧矿山三维系统的基本概念，分析了我国煤炭矿山技术创新现状、存在的问题及影响因素，研究了煤炭矿山技术创新能力评价指标及评价算法，并进行了实验验证。同时根据矿山的三维本源性特征，探讨了智慧矿山三维系统的研究。 本书主要内容包括两大部分。第1部分(第1～8章)是煤炭矿山技术创新能力的影响因素分析以及技术创新能力评价指标分析及多种评价算法研究，如影响煤炭矿山技术创新能力因素分析，基于遗传神经网络的技术创新能力评价，基于DEA的技术创新相对能力评价，基于AHP的煤矿技术创新能力评价以及基于粒子群优化神经网络的煤矿技术创新评价。第2部分(第9～14章)论述了智慧矿山的概念、关键技术以及研究智慧矿山三维系统的必要性，设计了三维系统架构及功能，创新性的研究并提出了三维系统高性能技术和实时数据库技术及Pinecone实时数据库，最终构建了三维平台。 本书可作为能源研究、矿山系统平台设计及信息管理等学科的科技工作者和高等院校师生的参考用书。
第1部分 煤矿技术创新及能力评价研究
第1章 技术创新
1.1 技术创新内涵
1.2 技术创新能力
1.3 研究背景
1.4 研究意义
1.5 国内外研究现状
1.5.1 国外技术创新理论及其发展
1.5.2 国内技术创新理论及其发展
1.5.3 我国煤炭技术创新相关理论
第2章 我国煤炭矿山技术创新现状及问题
2.1 我国煤炭矿山技术创新概况
2.2 我国煤炭矿山技术发展历程
2.2.1 我国煤炭开采工艺发展历程
2.2.2 我国煤炭开采装备及技术发展历程
2.3 我国煤炭矿山技术发展路径
2.3.1 煤矿机械化发展路径
2.3.2 煤炭开采主导技术发展路径
2.3.3 煤炭技术装备引进与研发路径
2.3.4 我国煤炭产业技术发展路径
2.4 我国煤炭矿山技术创新面临的问题
第3章 影响煤炭矿山技术创新能力因素分析
3.1 煤炭矿山技术创新过程的特殊性
3.2 煤炭矿山技术创新外部影响因素分析
3.3 煤炭矿山技术创新内部影响因素分析
3.4 煤炭矿山技术创新影响因素调查
第4章 煤矿技术创新能力评价体系综述
4.1 指标体系的设计
4.1.1 指标体系设计原则
4.1.2 评价指标体系构建
4.2 传统评价方法研究
4.2.1 几种常见评价方法
4.2.2 传统评价方法存在的问题
第5章 基于遗传神经网络的技术创新能力评价
5.1 评价指标体系
5.2 神经网络评价法适用性分析
5.3 遗传神经网络评价模型
5.3.1 数据来源
5.3.2 数据标准化处理
5.3.3 层次分析法确定权重
5.3.4 遗传神经网络评价模型的训练及仿真测试
第6章 基于DEA的技术创新相对能力评价
6.1 煤炭矿山技术创新能力内涵及构成
6.1.1 煤炭企业技术创新能力的内涵
6.1.2 煤炭企业技术创新能力的基本构成
6.2 基于DEA的煤炭矿山技术创新能力评价模型构建
6.2.1 评价指标确定
6.2.2 评价模型构建
6.3 煤炭企业技术创新能力评价实例分析
6.3.1 决策单元的选取与数据来源
6.3.2 技术创新DEA评价与优化
6.3.3 煤炭企业综合测评结果
6.4 基于Malmquist-DEA的煤炭企业安全效率评价及影响因素
6.4.1 Malmquist-DEA模型的构建
6.4.2 样本选取及数据描述
6.4.3 实验结果和数据分析
6.4.4 煤炭企业安全效率的均值变化分析
6.4.5 煤炭企业安全效率的动态分析
6.4.6 煤炭企业安全效率变化趋势分析
第7章 基于AHP的煤矿技术创新能力评价
7.1 指标体系设计的原则
7.2 AHP层次分析法基本理论
7.2.1 基本思想
7.2.2 实施过程
7.3 层次分析法(AHP)算法理论
7.3.1 评价模型递阶层次结构的构建
7.3.2 构建两两比较判断矩阵
7.3.3 计算指标的权重系数并检验其一致性
7.3.4 进行一致性检验
7.4 层次分析法在煤矿企业技术创新能力评价中的应用
7.4.1 判断矩阵的建立和权重的计算
7.4.2 一致性检验
7.4.3 数据来源
7.4.4 数据标准化处理
7.5 模型的评价
7.5.1 建立线性评价函数
7.5.2 评价标准
7.5.3 评价结果
7.6 技术创新能力评价指标体系优化应用
7.6.1 AHP在煤炭企业技术创新能力指标优化体系的实例应用
7.6.2 优化指标体系一致性检验
7.6.3 原始数据
7.6.4 评价结果
第8章 基于粒子群优化神经网络的煤矿技术创新评价研究
8.1 神经网络算法及其改进研究
8.1.1 人工神经网络及类型
8.1.2 BP神经网络
8.1.3 智能算法优化神经网络
8.1.4 改进的BP算法
8.2 粒子群智能优化算法研究
8.2.1 粒子群基本原理
8.2.2 算法基本流程
8.2.3 参数设置分析
8.3 改进的粒子群算法与优化的神经网络模型
8.3.1 PSO优化神经网络的可行性分析
8.3.2 粒子群算法的改进思想及参数设置
8.3.3 改进的PSO算法优化神经网络模型
8.4 评价模型在煤矿技术创新中的应用
8.4.1 数据来源及特征
8.4.2 数据标准化处理
8.4.3 神经网络结构设计
8.4.4 训练及仿真测试
……
赵学军，女，1962年生，中国矿业大学（北京）研究生导师，从事计算机应用技术，遥感图像技术，图形图像处理方向的研究。承担多项国家863课题研究及国土部项目，发表论文60多篇，出版教材5本，专著2本。
