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。     

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⁺、SO₄^2-、Cl^-、HCO₃^-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⁺     

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。     

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WOA-ELM算法的矿井突水水源快速判别模型

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^-,SO₄^2-,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优个体的位置,最终将输出的42个最优权值和阈值赋给ELM模型,对待测样本进行判别。通过对比,WOA-ELM判别模型在矿井突水水源识别中的准确率高达95%以上,与单一ELM模型相比,准确率提升了15%左右。与支持向量机模型(SVW)、粒子群优化的极限学习机(PSO-ELM)模型以及灰狼优化算法改进的极限学习机(GWO-ELM)模型等相比,该模型具有更快的收敛速度与更高的精度,稳定性和泛化能力也均得到提升。     

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。     

矿井突水水源快速判别信息辅助决策系统在马兰矿的研发应用

介绍了矿井突水水源快速判别信息辅助决策系统的构成及功能,并结合马兰矿的水文地质资料,建立了马兰矿矿井突水水源快速判别信息辅助决策系统.为验证模型的可靠性,将标准水样作为待测水样,用模糊综合评判法、灰色关联法、模糊识别法、神经网络法和聚类分析法5种数学方法进行回代试验,结果表明,模糊综合评判和聚类分析的效果较好,故确定用以上模型对马兰矿未知水样进行识别.     

BP神经网络在矿井突水水源识别中的应用

针对矿井突水水源的水化学特征,采用Na~++K~+、Ca~(2+)、Mg~(2+)、Cl~-、SO_4~(2-)、HCO_3~-6种水化离子的浓度作为识别矿井水源依据;以35组水源样品作为训练样本,运用Matlab软件对网络进行训练,建立6×6×4的网络优化模型;使用构建的BP神经网络对4组待测样本进行识别,并与实际突水水源类别进行比对。应用结果表明:BP神经网络能够准确地识别矿井突水水源,可为防治矿井水害提供有力的保障。     

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+、M g2+、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...     

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。     

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。     

A Nonlinear Risk Evaluation Method for Water Inrush Through the Seam Floor

A risk evaluation method based on principal component analysis, fuzzy mathematics, particle swarm optimization, and support vector classification, is proposed due to the limitations of the water inrush coefficient method. The many factors that influence coal floor water inrush were categorized as structural, hydrogeological, coal seam occurrence and mining condition principal components, according to principal component analysis, among which the structural and mining condition components were the most important. The principal component factors were then fuzzified. Finally, an evaluation method was established, with the parameters of the supporting vector classification optimized through the particle swarm algorithm. The validity of the method was demonstrated by comparing its predictions with actual conditions at ten coal seam mining faces.     

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。     

模糊数学在煤矿突水水源判别中的应用

防治矿井突水,必先进行矿井突水水源的判定,但各含水层之间水质特征界限不甚明显。应用模糊综合评判法可以通过对矿井突水水质的分析,准确地进行矿井突水水源的判别。结合某矿矿井突水水源判别的实例,具体阐述了矿井突水混合水源的判别以及对奥灰水作为水源的可能性的排除,并用实际的探查孔和突水点所在区域不同含水层水位监测等资料对评判结果进行了验证,证明了该评判方法进行突水水源判别的可靠性。     

Hydrochemical Prediction of Mine Water Inrush at the Xinli Mine,China

Seawater poses a great threat to the Xinli Mine, an undersea gold mine in China. A hydrochemical method was used to assess the risk of sea water inrush into the mine. A detailed hydrochemical survey and sampling were carried out and the concentrations of conservative ions in the mine water were analyzed. Principal component analysis indicated that the potential water inrush channels were located in the hanging wall of the ore-controlling fault. A composite principal component was calculated from the Na⁺, Cl^?, Mg²⁺, SO₄ ^2?, and K⁺ concentrations, which reflected the effects of potash feldspathization and cation exchange, to assess the risk of seawater inrush.