共查询到20条相似文献,搜索用时 15 毫秒
1.
矿井突水是采矿生产过程中威胁最大的自然灾害之一,快速有效地判别矿井突水水源是采矿工程安全生产的重要保障。选取7种水化学成分指标作为突水水源识别的样本变量,采用主成分分析与距离判别分析相结合的方法建立了突水水源判别模型。以淮南老矿区谢一煤矿不同水层的水化学特征资料中的33个为学习样本,11个为预测样本,对该方法进行了检验和应用,并与现有的灰色关联度判别模型、Bayes判别模型的判别结果进行分析比较。研究结果表明:基于主成分分析与距离判别方法的突水水源判别模型其回判准确率为95%,预测正确率为91%,为矿山突水水源的识别提供了一种新方法。 相似文献
2.
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。 相似文献
3.
针对矿井突水事故的预测问题,提出一种基于极限学习机(Extreme Learning Machine,ELM)的矿井突水水源识别新方法。该方法是一种单隐含层前馈神经网络学习算法,在训练过程中无需调整初始连接权值和阈值,只需要设置隐含层神经元个数即可获得最优解。以梧桐庄煤矿水质为例,通过MATLAB仿真证实,该方法不仅克服了常规BP神经网络受初始权值和阈值影响的缺陷,而且识别精度更高;在突水预测方面有很好的应用前景。 相似文献
4.
5.
6.
7.
8.
9.
10.
11.
12.
在论述矿井突水危害性以及水源判别原理的基础上,介绍了矿井突水水源快速判别系统的技术构架,分析了系统的关键技术模块及其实现的技术途径,形成了"QLT+特征组分+采动涌水通道"为技术特征的水源快速判别系统。最后,应用实例说明该系统进行水质分析和水源判别的过程,并实现了快速、准确判别突水水源的目标,可以在煤炭开采活动中为矿山提供决策依据。 相似文献
13.
14.
15.
16.
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. 相似文献
17.
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 9714%。 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 0028 6。 相似文献
18.
19.
我国是世界上煤炭生产量和消耗量最大的国家,但由于水文地质条件复杂,在煤矿生产过程中煤层顶底板突水事故频发,常常造成严重的经济损失和人员伤亡,快速精准地判别水害来源是矿井突水水害防治的关键步骤。基于河北开滦赵各庄矿的67个水样实测数据,将Na+,Ca2+,Mg2+,Cl-,SO24-,HCO3-六种离子的物质的量浓度作为输入项,突水水源类型为其输出项,应用鲸鱼优化算法(WOA)改进极限学习机(ELM)形成WOA-ELM判别模型实现突水水源判别。研究结果表明:以往的单一极限学习机具有稳定性差的缺点,采用鲸鱼算法对其权值和阈值进行迭代寻优,通过环形包围、气幕袭击、随机搜索3种方式的鲸鱼优化算法对最优参数进行搜索,收敛速度快、全局搜索能力强。根据座头鲸捕食行为建立的数学模型,由于猎物(突水)位置不确定,WOA算法首先假设当前的最佳候选解是目标猎物位置或最靠近猎物的位置,然后通过随机产生向量A和概率p来决定鲸鱼更新位置的方式。当|A|>1时随机搜索猎物;当|A|<1时,以0.5为分界点,p<0.5选择环形包围模式,p>0.5则通过螺旋运动来更新位置。依据最低适应度值得到最... 相似文献
20.
将Bayes判别分析方法应用于矿井突水水源分析问题研究中.选用多项化学指标作为判别因子,建立了适用于不同水质类型矿井的两类和多类水源分析的Baycs判别分析模型.基于Bayes判别分析方法的原理,利用不同矿区突水水源的典型样本,对Bayes判别方法的判别过程和检验方法进行了具体说明.针对两类水源,选用Ca2+、Mg2+、Na+、K+、Cl-、HCO3-、SO42-、NO3-、F-和pH等10项指标作为判别因子.对多类水源,选用Na++K+、Ca2+、Mg2+、Cl-、SO42-、HCO3-等6种离子组合作为判别因子,利用华北某矿区10例典型样本和焦作矿区39例典型样本作为数据源,分别建立相应的判别模型.判别结果完全符合实际情况,并与数量化理论、支持向量机方法进行了比较.研究结果表明,Bayes判别方法的计算过程简单、模型结构稳定,回代估计判别结果以及预测结果的准确性很高,对突水水源的判别具有很强的预测能力,可以在实际工程中进行应用. 相似文献