矿井突水水源识别的距离判别分析模型

应用距离判别分析理论,结合矿井含水层的水化学分析资料,选取 6 种离子组分的浓度作为突水水源识别的判别因子,建立矿井突水水源识别的距离判别分析模型;以 35 组采样的水源样品作为学习样本进行训练,建立相应线性判别函数对 35 组实测数据用回代估计方法逐一进行检验,正确率为 9714%。 将建立的模型对待识别的 4 个样本进行测试,并与实测结果进行比较。 此外,利用本文方法对梧桐庄煤矿的突水水源进行了识别。 研究结果表明：距离判别分析模型分类性能良好,预测精度高,回代估计的误判率为 0028 6。     

基于PCA-Bayes综合判别的矿井突水水源判别研究

根据矿井各含水层水化学成分的差异性,选取多种水化学成分指标作为突水水源识别的样本变量,综合利用多元统计分析技术、Bayes逐步判别法和PCA-Bayes综合判别法作比较,采用SPSS软件建立Bayes逐步判别模型、PCA-Bayes综合判别模型,以煤矿不同含水层的水化学资料中的多组样本为依据,利用该模型进行工程应用。结果表明：PCA-Bayes综合判别模型提高了突水水源判别的准确率和判别速度,实现了对矿井突水水源快速有效判别,为防治突水事故提供了有力的依据和判别方法。     

基于Matlab因子分析及距离判别模型的矿井突水水源识别

针对传统的矿井突水水源判别存在准确率较低的问题,选取K~++Na~+、Ca~(2+)、Mg~(2+)、Cl~-、SO_4~(2-)及HCO_3~-6种水化学成分指标作为矿井突水水源判别依据,基于SPSS因子分析建模,确定21组突水水样训练样本中与第一主因子密切相关的水质指标,依据距离判别模型,将得到的水质指标作为样本数据输入Matlab平台,采用SQRT、MAHAL函数确定突水水样训练样本总体间的马氏距离矩阵。结果表明:构建二者相结合的矿井突水水源判别模型,其回判准确率高达99%,对8个未知的测试样本进行突水水源的识别,实例验证在判别指标选择合适的情况下,因子分析及距离判别相耦合的突水水源判别方式能有效地消除判别指标间的相互影响,提高判别率,为矿井水害防治提供理论基础。     

基于主成分分析的潘谢矿区突水水源Fisher判别模型

依据淮南潘谢矿区的各含水层水化学成分的差异性,针对复杂的多类突水水源判别问题,建立基于主成分分析方法与Fisher分析方法的水源判别综合模型。以潘谢矿区的39个水样作为学习样本,6个水样作为预测样本对该模型进行检验和应用。结果表明:该模型判别矿井突水水源准确率高,具有准确快速、简易方便、实用性强的特点。     

矿井突水水源的水化学特征分析及其判别模型

以徐庄煤矿为例,分析了矿井4个突水水源的水化学成分;应用逐步判别方法建立了徐庄煤矿突水水源判别模型,经检验,该模型具有较好的判别效果。对矿井突水水源判别及防治水工作具有一定的指导意义。     

矿井突水水源的PCA-GRA判别模型研究

为了快速准确地识别突水水源,选取Ca2+、Na++K+、Mg2+、HCO3-、SO42-、Cl-共6个判别指标,结合主成分分析理论和灰色关联理论,建立了PCA-GRA突水水源判别模型。先采用主成分分析法对38个水样的水质指标进行降维处理,然后利用灰色关联分析法根据关联度对未知水样进行判别。将该模型应用于11组待判水样的判别,判别结果正确率为100%。而PCA-Bayes判别模型识别精度是81.8%。因此,PCA-GRA突水水源判别模型能够有效地提高识别精度,迅速准确地判断突水水源,为矿井安全生产提供保障。     

不连沟煤矿充水水源水化学特征分析及突水水源判别模型研究及应用

为了快速有效地判别矿井突水水源,采用Fisher判别分析方法建立突水水源判别模型,在积累了大量水化学资料的基础上,对不连沟煤矿地下水水化学特征进行了分析与研究。首先使用训练样本进行了回判,回判准确率达到96%;然后使用判别模型对F6206工作面掘进巷道掘进过程中突(涌)水水源进行判别,判别准确率达到了90%,为不连沟煤矿突水水源判别提供了一种行之有效的方法。     

基于Piper-PCA-Fisher模型的矿井突水水源识别

矿井水害的发生时刻威胁着煤炭的安全生产,同时也造成了严重的经济损失。为了迅速和准确地识别突水水源,选用Piper三线图对采自矿区突水含水层的41个水样进行筛选,得到32个典型水样作为训练样本,采用主成分分析法提炼出3个主成分作为判别指标,建立了水源判别模型;采用留一交叉验证法对模型的预判分类稳定性进行评价,模型对样本总体分类的准确率达到81.3%。并对焦作矿区11个未知水样进行水源判别,错误1个。并将预测结果与Fisher模型进行对比。结果表明,基于Piper-PCA-Fisher的判别模型能有效提高判别精度,为矿井安全生产提供保障,为矿井开展防治水工作及地下水资源合理开发利用提供理论依据。     

基于多元统计分析的东欢坨矿突水水源判别研究

针对矿井突水水源判别准确率较低的问题,基于多元统计分析构建矿井突水水源判别模型,选取K~++Na~+、Ca~(2+)、Mg~(2+)、SO■、Cl~-、及HCO~-_3水化学指标作为矿井突水水源判别依据,采用东欢坨矿5煤顶板含水层及12_(-2)煤底板含水层的水质分析资料作为训练样本和测试样本,其中,训练样本35个,测试样本10个。判别结果表明:突水水源判别正确率达86.7%,判别结果显著,可信度高。利用该判别方法对和东欢坨矿相近的钱家营矿5煤顶板含水层进行突水水源判别,判别结果与实际情况一致,判别准确率高,结果可靠,为矿井突水水源判别提供了科学理论依据。     

基于粗糙集理论的矿井突水水源快速识别

为了准确而快速地判别矿井突水水源,以聚类分析、灰色关联分析、多元逐步判别分析3种方法建立了矿井突水水源判别模型,提出了通过适应性来选择具体矿井或矿区的判别方法,利用粗糙集理论的属性约简来筛选水化学特征指标,使得所选判别指标更具针对性和减少指标检测时间,真正实现准确而快速地判别矿井突水水源,进而为矿井水害防治服务。实例表明,属性约简前后,识别结果一致性将近90%,证实了粗糙集理论在矿井突水水源判别中的有效性和实用性。     

煤矿矿井突水水源的Fisher判别模型

为了正确识别矿井突水水源,利用主成分分析选取了主要的水化学判别指标,再通过层次聚类构造了水源判别的决策树,各决策结点采用Fisher判别函数,试验结果表明该模型具有较好的判别效果.     

基于KPCA-GWO-SVM的矿井突水水源识别

为提高矿井突水水源识别的精准度，提出1种基于KPCA-GWO-SVM的矿井突水水源识别模型；该算法利用核主成分分析（KPCA）进行特征降维，加快水源识别速度，通过灰狼优化算法（GWO）搜寻支持向量机（SVM）的最优参数，使水源识别精准度更高；以赵各庄矿为研究对象，分析各含水层主要水化学类型，选取6种离子指标，经KPCA提取3个主成分，随机选取总样本量70%为训练集（共47组），30%作为预测集（共20组），构建KPCA-GWO-SVM模型并与KPCA-PSO-SVM、KPCA-WOA-SVM和KPCA-SVM模型对比。结果表明：KPCA-GWO-SVM的水源预测结果与实际结果一致，比未经KPCA处理模型的预测准确率高10%且寻优速度更快；与其他模型相比准确率最高，具有优越性。     

基于多方法耦合的矿井突水水源识别模型研究

为快速准确地判别矿井突水水源,减少矿井突水事故带来的危害,以保德矿为例,选取Ca2+、Mg2+、Na++K+、SO2-4、Cl-、HCO-3共6种水化学指标作为判别指标,通过分析各含水层水化学特征,确定了各含水层代表水样,以此为基础建立了耦合主成分分析-离群值检验-回归填补法-贝叶斯判别法的矿井突水水源判别模型,并将模型判别结果与PCA-Bayes模型判别结果做出对比。结果表明：保德矿采空区、二叠系砂岩含水层、石炭系砂岩含水层、奥灰含水层的水质类型分别为HCO3-Ca·Na·Mg型、HCO3-Na型、HCO3-Na型和HCO3·SO4-Ca·Na·Mg型|保德矿水样主成分为Ca2+、Mg2+、Na++K+、SO2-4,可作为综合指标反映保德矿原始水样数据信息|待测水样中的异常值,可通过离群值检验和线性回归模型确定并校正|对比数据校正前后Bayes模型判别结果,校正后准确率为95%,判别准确度明显提升,可准确高效的识别突水水源。     

基于水量水位变化及水化学特征的突水水源判别

为了能够快速正确识别矿井突水水源,采用基于突水点水量水位变化及水化学特征的综合判别分析法,对矿井突水水源进行联合判别。即利用突水点附近探放水钻孔放水量及相应水位变化情况,并结合突水点区域水化学特征,进行综合评判,判别突水水源。综合分析结果表明,基于这种联合判别方法,判别结果较准确,方法简单易行,能够为突水点后续治理提供可靠依据。     

基于主成分分析与贝叶斯判别法的矿井突水水源识别方法研究

结合主成分分析和贝叶斯(Bayes)判别简化构建突水水源识别模型,水样变量因子选取Ca~(2+)、Na~++K~+、Mg~(2+)、HCO_3~-、Cl~-、SO_4~(2-)六个指标。采用潘二矿新生界松散层、煤系砂岩以及太原组灰岩中的水质分析资料作为训练样本和预测样本,其中,训练样本24个,预测样本11个,判别结果表明:松散层水正确率为81. 8%,砂岩水正确率为83. 3%,灰岩水正确率为85. 7%,整体正确率为83. 3%,判别结果可信度高。同时,将主成分分析和贝叶斯结合突水识别模型与贝叶斯模型比较表明利用主成分分析和贝叶斯结合的模型能有效消除冗余信息,使判别结果更加快速准确。     

基于PCA分析的突水水源Fisher判别模型

为有效快速地判断突水水源的位置,预防突水事故的发生,针对不同水层水质差异性,选取6大常规水化学离子作为判别因子,结合PCA分析法和Fisher判别法建立矿井突水水源判别模型。以潘三煤矿新生界下含和煤系水共20个水样为例,对该模型进行验证,并与BP神经网络判别模型进行对比,得出准确率达100%,说明该方法的可行性、准确性。     

基于灰色关联分析的矿井突水水源定量化判别方法

阐述了矿井突水水源的判别方法,针对水化学背景值特征相近的水源,提出了通过量化计算实现精确判别水源层的方法。以灰色关联分析方法为例,对袁店二矿F14断层突水水源进行了量化判别,并采用水化学玫瑰花图和水样柱状图的图形化分析方法对突水水源量化判别的准确性进行了辅助判别,综合分析认为煤层顶板砂岩裂隙水通过断层带进入了采掘空间。定量化地学方法和图形化分析方法有效解决了矿井突水水源判别的准确性。     

基于蜻蜓算法和最小二乘支持向量机的矿井突水水源判别

对矿井突水水源的准确判别对于矿井安全生产有着重要的意义。本文提出采用基于蜻蜓算法和最小二乘支持向量机相结合的矿井突水水源预测方法,以Na++K+、Ca2+、Mg2+、Cl-、SO42-、HCO3-等6种水中离子作为矿井突水水源模型的识别因素,利用收集的水样数据对最小二乘支持向量机进行训练和测试,研究结果表明基于蜻蜓算法和最小二乘支持向量机判别模型的计算结果与实际结果一致,而且具有良好的判别能力,其对提高矿井突水水源判别的准确性有着一定的借鉴意义。     

基于水力学与水化学耦合的矿井涌(突)水水源识别方法研究

解决当前水源识别仅考虑矿井水化学特性及水位观测等少量因素,缺乏矿井突水力学支撑相关问题,以林西煤矿1021中回采工作面为例,提出了一种基于水力学与水化学耦合的矿井涌(突)水水源识别方法。该方法首先根据封闭不良钻孔、断层、老空区、底板等矿井突水力学模型,求解涌(突)水点不同水源或通道突水的临界防隔水煤岩柱厚度Lv|其次对比Lv和实际隔水煤岩柱厚度Le之间定量关系,判定不同水源突水的先验概率|然后以先验概率为纽带,利用贝叶斯判别分析,建立基于水力学与水化学耦合的矿井突水水源识别模型|最后利用该模型对1021中回采工作面涌水点水源进行验证识别。研究结果表明：由于第Ⅲ含水层、第Ⅳ含水层水化学特征相似,建立单一的水化学识别模型,会将涌(突)水点水源误判为第Ⅲ含水层水。而基于水力学与水化学耦合的水源识别模型可精确识别出该涌(突)水点水源属于第Ⅳ含水层水,判识结果与工程实际情况一致,有效提高了矿井涌(突)水水源识别精度。     

矿井突水水源辨识的改进SVM和GA-BP神经网络模型

及时辨识突水水源是有效预防和控制矿井突水灾害的重要工作之一。基于河南焦作某矿区不同水层的测试样本,利用嵌入梯度的支持向量机(SVM)对常用的[SO4]2-、K+、Mg2+、Na+、Ca2+、Cl-、[HCO3]-、F-8种水化学成分进行因子约简,确定以K+、Mg2+、Ca2+、Cl-、[HCO3]-、F-作为矿井突水水源辨识的主要判别因子。运用遗传算法优化BP神经网络(GA-BP)对新体系下的30组学习样本进行训练拟合,用所建立的分析模型对10组待检验水源类别进行辨识,预测平均正确率达到了94.27%。研究结果表明,该指标体系在矿井突水水源辨识中具有可行性,且GA-BP模型分类性能好,误判率低,可以用于矿井突水水源的辨识。