共查询到10条相似文献,搜索用时 31 毫秒
1.
基于距离判别法的采空区塌陷预测研究 总被引:2,自引:0,他引:2
将距离判别法理论应用到采空区塌陷的预测中,建立了采空区塌陷预测的距离判别模型。选取覆盖层类型、覆盖层厚度、地质构造复杂程度、煤层倾角、采空区体积率、采空区距地表的垂直深度、采空区空间叠置层数等7个影响因子作为采空区塌陷预测的距离判别模型的判别因子,以某矿区采空区实测数据中选择18组数据作为训练样本,建立了采空区塌陷的距离判别函数,利用该函数对训练样本回判,其误判率为零,对另外7组预测样本逐一进行了判别分析。研究结果表明:距离判别法判别性能良好,判别准确度高,计算过程简单,可操作性强,因此该法是采空区塌陷预测中的一种非常有效的方法。 相似文献
2.
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
3.
费歇判别分析方法在采空区塌陷预测中的应用 总被引:4,自引:0,他引:4
将费歇判别分析法应用到采空区塌陷的预测中,选取覆盖层类型、覆盖层厚度、地质构造复杂程度、煤层倾角、采空区体积率、采空区距地表的垂直深度、采空区空间叠置层数等7个影响因素,建立了采空区塌陷预测的费歇判别模型。利用北京西山某地区采空区17组实测数据作为训练样本逐一回判,其误判率为零,另外7组预测样本的判别分析结果与实测结果也完全吻合。研究结果表明:采空区塌陷预测的费歇判别模型判别性能良好,判别准确度高,且计算过程简单,可操作性强,是采空区塌陷预测中的一种非常有效的方法。 相似文献
4.
采矿因素、地质因素等因素影响煤矿矿井采空塌陷区危险性预测结果,为了获取准确的煤矿采空塌陷区危险性预测结果,构建煤矿矿井采空塌陷区危险性预测模型。选取某省煤矿矿区作为研究区域,选取下沉系数与水平移动系数作为构建煤矿采空塌陷区危险性预测模型的参数,采用T-S模糊方法构建煤矿矿井采空塌陷区危险性预测模型,通过修正预测模型的模糊子集隶属函数更新预测模型,提升煤矿矿井采空塌陷区危险性预测精度。所构建模型输出煤矿矿井采空塌陷区危险性预测结果为中等,针对预测结果提出采用合理的采煤方式、合理避让、加强边坡监测3项煤矿矿井采空区塌陷防治措施,为煤矿矿井开采后防治采空区地面塌陷提供指导。 相似文献
5.
为了对急倾斜煤层巷道放顶煤可放性进行研究,基于Bayes判别分析理论建立了急倾斜煤层顶煤可放性识别的Bayes判别分析模型。模型选用影响顶煤可放性的9个指标作为判别因子,将顶煤可放性分为4个等级作为Bayes判别分析的4个正态总体,以工程实例数据作为学习样本进行训练,建立相应的判别函数,并利用回代法对判别准则进行评价以验证模型的优良性。利用训练好的模型对典型的放顶煤可放性实例进行预测,结果与实际情况完全符合。研究结果表明,Bayes判别分析模型识别性能良好,预测精度高,误判率低,是顶煤可放性识别的一种有效方法,可以在实际工程中推广应用。 相似文献
6.
7.
为提高煤与瓦斯突出预测的准确性,基于判别分析理论,通过逐步判别法筛选出瓦斯放散初速度、瓦斯压力、软分层厚度3个煤与瓦斯突出敏感指标作为突出判别因子,将煤与瓦斯突出危险性分为4个等级作为Bayes判别分析的4个正态总体,建立了煤与瓦斯突出预测的Bayes-逐步判别分析模型。利用该判别模型对20个煤与瓦斯突出实例进行训练学习得出相应的判别函数,用回代估计的方法进行逐一验证,其误判率为0。将建立的判别模型应用于8个突出实例进行判别预测,其结果与实际情况完全吻合。 相似文献
8.
9.
将Bayes判别分析方法应用于岩体质量等级判别与分类中,建立了岩体质量综合评判的Bayes判别分析模型.模型选用岩石质量指标、完整性系数、单轴饱和抗压强度、纵波波速、弹性抗力系数和结构面摩擦因数等6个指标作为判别因子;将岩体质量分为4个等级作为Bayes判别分析的4个正态总体;以隧道围岩实测数据作为训练样本,建立Bayes线性判别函数;以Bayes线性判别函数计算待判样品的Bayes判别函数值,以最大值对应的总体作为样品所归属的总体;最后以刀切法对判别准则进行评价以检验模型的优良性.研究表明,Bayes判别分析模型误判率低,识别正确率达96.67%. 相似文献