基于PCA-AWOA-ELM模型的矿井突水水源识别

矿井突水是煤矿生产过程最具威胁的灾害之一,为了保障煤矿安全生产,提高矿井突水水源识别精度,提出一种基于改进鲸鱼优化算法(AWOA)耦合极限学习机的水源识别模型。以岱庄煤矿为例,选取Na⁺、Ca²⁺、Mg²⁺、Cl^-、SO₄ ^2-、HCO₃^-作为判别指标,基于SPSS因子分析提取评价指标主成分,6种离子间相关性较大,Ca²⁺和Mg²⁺,Ca²⁺、Mg²⁺与SO₄^2-、Cl^-之间的相关性均达到了0.7以上,SO₄^2-和Cl^-之间的相关性也达0.68,通过主成分分析提取了3个主成分,从六维空间降低到三维空间,在减少了样本指标之间信息重复的同时,也减少了极限学习机输入层数量,提高了模型对各类型数据的泛化能...     

矿井突水水源快速判别系统研发

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。     

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.     

PCA与ELM模型相结合的矿井突水水源快速识别方法研究

为了快速准确判别矿井突水水源,降低矿井突水事故给煤矿生产及人类生命财产安全带来的危害,以赵各庄矿为例,提出了主成分分析法(PCA)与极限学习机(ELM)相结合矿井突水水源快速识别方法。结果表明：PCA确定了赵各庄矿中Na+、Ca2+、Mg2+对水样影响较大,为赵各庄矿水样的主控因子,排除了其它指标冗余信息的影响|在MATLAB中导入PCA确定的水样中三种主成分数据,通过ELM模型仿真训练可在10s内得出水样分类结果,分类学习时间迅速|对比ELM模型与BP神经网络对水样的分类结果,ELM仿真训练结果精确度高达100%,而BP神经网络仿真训练结果精确度仅为83.33%,远低于ELM模型精确度。     

基于极限学习机的矿井突水水源快速识别模型

在煤矿突水灾害防治过程中,需要快速准确地识别出突水水源类型。激光诱导荧光技术具有灵敏度高和快速监测的特点,利用该技术获取水样的荧光光谱。光谱经卷积平滑预处理和主成分分析提取特征信息后,采用极限学习机算法建立多元分类学习模型。确定隐含层激励函数为Sigmoid函数,并通过交叉验证法确定最优隐含层节点个数。从训练网络的平均时间、训练和测试的平均分类准确率和标准差方面,与BP和SVM传统分类算法进行了性能比较。结果表明:在训练集和测试集上的平均分类准确率方面,该模型与传统分类模型基本一致,但该模型分类准确率的标准差最小,说明其具有较稳定的分类性能;在训练模型学习时间方面,该模型能够大幅度降低分类学习时间,说明其具备快速识别突水水源性能。     

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。     

煤矿突水水源判别方法的应用研究

对常用的突水水源判别方法进行了概述,阐明了其适用条件,为选择合适的方法提供了依据。以石壕煤矿为例,利用BP神经网络方法,选择矿化度、p H值、总硬度、Ca2++Mg2+、K++Na+以及涌水量作为判别因子,建立了水源判别模型,经过样本训练和模型验证,其判别结果与实际基本一致,验证了人工神经网络方法在突水水源判别上的准确性。     

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。     

基于FOA-SVR的矿井底板突水量预测模型应用研究

矿井突水是常见的突发性强烈的矿井灾害。为了更好地预防矿井水灾,降低灾害造成的物质损失以及减少人员伤亡,建立了一种基于FOA-SVR的矿井底板突水量预测模型,利用果蝇算法优化支持向量回归机算法(FOA-SVR)选出最优的模型参数。针对底板突水这种非线性、小样本问题,从突水因素中选取水压、含水层厚度、隔水层厚度、底板采动裂隙带深度以及断层落差这5个作为特征因素。然后利用FOA对SVR参数进行优化之后建立FOA-SVR底板突水量预测模型,输出即为需要预测的突水量。结合实例并将该模型的预测结果与SVR模型的预测结果进行对比,结果表明：该模型在预测突水量的精度上比SVR模型更高,具有一定的应用价值。     

基于GAPSO-RFR的矿井底板突水预测模型与应用

为了更精准地预测矿井突水灾害,对突水预测和救援提供帮助,减少水灾造成的损失,提出基于GAPSO-RFR的矿井突水预测模型。利用遗传-粒子群算法对随机森林回归模型(RFR)进行优化,选取34例样本对GAPSO-RFR模型进行迭代和训练。测试结果表明,GAPSO-RFR模型提高了预测精度,减少了泛化误差。同时利用模型对王家岭矿区部分盘区的10号煤层与2号煤层的突水风险进行预测分析,得出了突水风险较高的区域分布情况。     

动态权-集对分析模型在矿井突水水源识别中的应用

矿井突水是煤矿生产的主要威胁之一,准确判定矿井突水水源是突水灾害防控的重要环节。为进行矿井突水水源识别,基于动态权和集对分析理论,针对葫芦素井田5种不同含水层中所提取的53组水样,选取K~++Na~+,Ca~(2+),Mg~(2+),Cl~-,SO■及HCO■六项水化学指标作为识别因子,确立了其水源识别区间,构建了矿井突水水源识别的数学模型。然后利用10组已知矿井水样验证水源识别模型,最后使用该模型对2015-04-26葫芦素井田21102工作面突水进行水源识别。结果表明:动态权重综合考虑主客观权重,既削弱了人为因素的影响,又考虑了识别指标的实际情况,权重赋值合理。利用动态权计算的6项识别因子中,SO■,Cl~-,K~++Na~+的权重值分别为0.38,0.25及0.20,远大于其他3项指标且其权重之和占总权重的83%,在突水水源识别中起决定性作用。利用10组已知矿井水样验证动态权-集对分析水源识别模型,9组识别结果与实际情况完全吻合,仅有1组第四系水样识别结果与实际不符,为建模时第四系样本数据少,待测水样超出识别区间所致。使用已建模型识别葫芦素井田21102工作面突水水源,判别结果与实际完全一致,因21102工作面突水几乎均来自直罗组与白垩系,而直罗组与白垩系建模样本量大,所建识别区间合适。大量的水质数据及准确的识别区间是动态权-集对分析模型进行准确突水水源识别的基础与保障。     

基于多元统计分析的矿井突水水源Fisher识别及混合模型

综合运用多元统计分析技术、Fisher判别分析理论和混合计算理论,依据含水层地下水组分数据,分别建立河南焦作矿区突水水源的Fisher识别模型和混合模型,并分别对它们进行验证。结果表明：因子分析能有效建立识别模型训练水样;突水水源Fisher识别模型对混合程度较低地下水判别精度较高,利用回代估计法所得到的误判率小,具有较强的涌水水源判别能力;混合模型能有效确定地下水混合程度,δ18O的预测值与实测值偏差总体上低于10%,应用混合模型还能进行水文地球化学质量平衡模拟。     

基于PCA_Fuzzy_PSO_SVC的底板突水危险性评价

为解决煤层底板突水预测难题,提出了基于主成分分析、模糊数学、粒子群算法以及支持向量机分类的底板突水危险性评价模型,模型以支持向量机分类为基础,通过主成分分析将多种影响底板突水的因子归纳为构造主成分、水文地质主成分、煤层信息主成分及开采条件主成分,其中构造主成分及水文地质主成分为影响底板是否突水的最主要控制因素,模糊化主成分因子,利用粒子群算法优化支持向量机分类参数,根据已有数据资料建立了评价模型,并将该模型应用于实际中,得到了准确的预测结果,为底板突水危险性评价提供了一种新的方法。     

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。     

基于三元混合模型的滨海金矿矿井涌水水源分析

为查明三山岛深竖井建设区域矿井涌水源,选用三元混合模型分析法对三山岛矿井涌水水样进行化验分析,利用矿化度(M)和SO2-4、Mg2+浓度的线性相关性,建立地下矿山涌水源三元混合模型并计算.结果表明:模型方法简单便于操作,能够很好地判断矿井涌水水源构成;矿井涌水在浅部主要来源于海水,其次是基岩卤水,少量第四系水,随深度增...     

基于分形和支持向量机矿井涌水量的预测

针对矿井涌水量预测问题,提出一种新的非线性预测方法。首先利用分形理论对矿井涌水量的时间序列进行相空间重构,应用自相关系数法确定最小嵌入维数,并以最小嵌入维数作为支持向量机的输入节点,根据支持向量机原理建立矿井涌水量的预测模型。将河南鹤壁四矿1982-1997年的矿井涌水量作为时间序列的训练样本,在Matlab环境下,利用所建立的预测模型预测不同嵌入维数时2000和2001年的矿井涌水量。结果表明：与其他维数相比,当嵌入维数为4时,井筒涌水量的预测值误差最小,预测精度最高。为检验该方法预测的可靠性,分别将不同维数下井筒、巷道和工作面涌水量1988-2001年的预测值与观测值进行对比,发现预测值与观测值较一致。〓     

基于矿山物联网的矿井突水感知关键技术研究

从感知矿山理念与物联网三层架构出发,以网络化测量、智能传感器、地球信息科学、数据挖掘等新兴学科与水文地质、采矿、地球物理等传统矿山学科相互交叉为手段,分析了矿井突水信息采集、传输、处理与预警技术现状,论述了矿山物联网条件下实现矿井突水感知的关键技术。在感知层,以网络化测量与智能传感器为关键技术,构建多物理场网络化分布式监测系统;在网络层,利用空间数据仓库、三维地学模拟系统和云计算搭建突水云服务平台,实现矿井突水多源异构信息的高效存取与三维复合分析,为构建突水专家云提供基础;在应用层,以多源信息融合为关键技术,提出了一种多模型组合的矿井突水预警方法,将静态预测与实时预警相结合,充分利用历史与实时数据,增大突水预警判据的信息量。最后指出了建设整个系统需要分3个阶段逐步实施。