基于Fisher判别分析法的隧洞围岩分类

针对隧道围岩分类问题,基于Fisher判别分析理论,选用岩石质量指标、完整性指数、饱和单轴抗压强度、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,以30组隧洞围岩数据作为学习样本进行训练,建立相应的Fisher判别模型。利用回代估计方法对建模数据逐一进行检验,正确率达93.3%。将建立的判别模型应用于工程实例,预测结果与实际情况吻合良好,与Bayes判别法、神经网络模型判别结果一致。研究结果表明,Fisher判别分析用于围岩分类简便可行,正确率高,是解决隧洞围岩分类的一种有效方法。     

煤巷围岩分类的Bayes判别分析法

选用影响煤巷围岩分类的主要6项指标作为Bayes判别分析模型的判别因子,以15组煤巷围岩实测数据作为学习样本进行训练,通过分析计算,建立了相应的线性判别函数,并利用回代估计方法对训练后的判别模型进行检验,其回判估计的误判率为0。利用该模型对3组煤巷围岩实测数据情况进行识别,其结果与实际情况完全一致,并与神经网络和支持向量机的预测结果进行对比。结果表明：Bayes判别分析法判别能力强,交叉确认估计的误判率低,是解决煤巷围岩分类的一种有效方法。     

煤巷围岩分类的新方法

围岩的分类是煤矿巷道设计与施工的一项重要性的基础工作，由于影响围岩分类的因素很多，目前，还没有一个准确的方法。论文叙述了机器学习的最新成果——支持向量机，并将其应用于围岩分类，结果表明，这种方法是可行的。     

煤巷围岩松动圈规律研究

采用数值计算软件ANSYS，对矩形煤巷的围岩松动圈进行了数值计算，得到矩形煤巷围岩松动圈的形式，发展机理及松动圈的形状，结果表明，短形煤巷由于断面形状和围岩组成结构的关系，其松动圈的形成，发展以及最终形状均与一般巷道明显不同。     

黄陵一号井煤巷围岩松动圈的超声波监测

利用超声波探测围岩松动圈的原理，仪器和方法，探测了黄陵一号井煤巷围岩松动圈的范围，并提出了修改锚杆支护参数的几点建议。     

深井围岩分类及支护设计

根据围岩松动圈巷道支护理论 ,对梁北煤矿深井车场巷道围岩松动圈进行实测 ,在对该矿围岩进行分类的基础上 ,提出了不同岩性巷道的支护方案和支护参数。     

松动圈围岩分类法在煤巷锚杆支护设计中的应用

松动圈厚度值是一个多因素综合指标的体现,利用该值进行松动圈围岩分类,有效克服了原岩应力、围岩强度、采动影响、地下水等诸多影响围岩稳定性因素难以测定的困难,因此,采用合适方法并严格按测试步骤测得的松动圈厚度值真实可靠,可作为控制囤岩设计的依据.用超声波无损检测分析仪进行莱矿51103工作面运输顺槽和辅运顺槽围岩松动圈测试,并以测试结果为依据进行了相应的锚杆支护设计,矿压观测表明,该支护设计方案可行.     

神经网络在煤巷围岩分类中的应用

本文阐述了典型的人工神经网络模型－ＢＰ网络模型的基本原理，并应用于煤层巷道进行围岩分类，结果证明是可行的，且具有先进性。     

深井围岩分类及支护设计

根据围岩松动圈巷道支护理论，对梁北煤矿深井车场巷道围岩松动圈进行实测，在对该矿围岩进行分类的基础上，提出了不同岩性巷道的支护方案和支护参数。     

回采巷道锚杆支护效果分类预测的Fisher判别分析模型及应用

应用统计学理论并结合工程实际,建立回采巷道锚杆支护效果分类的Fisher判别分析模型,选取围岩强度、巷道断面、采动影响系数、巷道埋深、围岩完整度、护巷煤柱宽度和支护强度等7个因素作为回采巷道锚杆支护效果分类判别因素。利用平顶山矿区18条深井动压回采巷道的相关数据作为学习样本进行学习,建立回采巷道锚杆支护效果的Fisher判别分析模型,求的相应线性判别函数。运用建立的模型对平顶山矿区的4条回采巷道锚杆支护效果进行分类预测,预测结果与实际情况吻合良好。     

基于Fisher判别分析的冲击地压危险性等级预测

针对矿井中发生的冲击地压危险性分级问题,应用因子分析和Fisher判别分析理论,选取煤层厚度、煤层倾角、埋深、构造情况、煤层倾角变化、煤层厚度变化、瓦斯浓度、顶板管理、卸压、响煤炮声为影响因素,分析影响因素之间的相关性,对相关性较强的因素进行因子分析,提取恰当的公共因子,进而建立基于因子分析的冲击地压危险性等级Fisher判别分析（FDA）模型。利用四川砚石台煤矿23组实测数据作为学习样本对模型进行训练。采用回代估计法检验模型的有效性,回判的误判率为0。将另外未参加训练的12组煤矿动力现象数据作为测试样本,对其危险性等级进行预测,并与传统的Fisher判别方法进行对比。结果表明,经过对样本因子分析后,指标个数减少,相关性降低,可以有效预测冲击地压的危险性等级,用该模型所得到的预测结果的误判率为0。     

煤层注水难易程度的Bayes判别分析法

基于Bayes判别分析方法的基本思想,建立了煤层注水难易程度的Bayes判别分析模型。该模型选用煤层的埋藏深度、裂隙发育程度、孔隙率、湿润边角、饱和水分增值和坚固性系数6个指标作为判别因子,将煤层注水的难易程度分为3个等级作为Bayes判别分析的3个正态总体。以15组煤层注水实测数据作为训练样本,建立了Bayes判别模型。用回代判别的方法对15组实测数据进行判别分析,以验证模型的准确性,并将模型应用于工程实例中。研究结果显示,Bayes判别分析模型误判率较低,能更好的应用于实际工程中。     

岩体质量分级的Fisher判别分析模型及应用

将Fisher判别理论用于岩体质量分级,建立岩体质量分级的Fisher判别分析模型。选取单轴抗压强度、岩体声波纵波速度、体积节理数、节理面粗糙度系数、节理面风化变异系数、透水性系数6个指标作为岩体质量分级判别因子,以工程岩体实测数据作为学习样本进行训练,建立相应线性判别函数对待判样本进行分级。结果表明,FDA（Fisher Discriminant Analysis）模型稳定可靠、判别精度高、分类性能良好,且有效降低人为因素的影响,是岩体质量等级分类的一种有效方法,可在实际工程中推广应用。     

费歇判别分析方法在采空区塌陷预测中的应用

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。     

回采巷道围岩分类的支持向量机方法

采用支持向量机“一对一”分类方法,研究了回采巷道围岩分类问题．选择6项影响回采巷道围岩分类的主要指标,利用30组巷道围岩数据作为学习样本,建立了回采巷道围岩分类的支持向量机模型．应用该模型对平顶山矿区4条回采巷道围岩进行了分类预测．结果表明,预测类别与实际类别完全吻合,这说明支持向量机方法可以很好地描述巷道围岩影响指标与围岩类别之间复杂的非线性关系．     

隧道围岩稳定性及安全性分析的位移判别方法

针对隧道围岩支护系统的稳定性和安全性问题,以及隧道围岩位移参数在隧道围岩稳定性及安全性中的重要作用,分析了隧道围岩位移的极限状态,建立了隧道围岩极限位移的确定方法和隧道围岩极限位移的判别准则。有助于构建隧道围岩稳定性分析的位移预测预报系统来解决这一复杂问题。     

用Fisher判别法评价矿井通风系统安全可靠性

针对传统的通风系统安全可靠性评价方法存在的问题,应用统计学理论并结合对矿井通风系统经济性、安全性的要求,选取16项矿井通风系统评价指标作为判别因子,建立矿井通风系统安全可靠性的Fisher判别分析(FDA)模型.以15组具体数据作为学习样本进行训练和检验,建立相应线性判别函数并利用回代估计方法进行回检,误判率为0;并对3组检测样本进行评判,识别率100%.此外利用该模型对3个实际生产矿井通风系统测定数据作为预测样本进行测试,预测结果与实际情况吻合较好,并与神经网络结果一致.研究结果说明:该模型在研究矿井通风系统的安全可靠性中具有较高的可信度,从而为评价矿井通风系统的安全可靠性探索了一条新思路.     

基于距离判别分析与模糊数学的岩体质量评判法

在对比分析各类岩体质量评判方法的基础上,针对影响地下工程岩体质量的关键因素,选取其中的6项基本指标作为地下工程岩体质量评判的基础.然后采用距离判别分析的思想确定岩体评价指标的隶属度,并引进变异系数法与专家评分相组合来确定各指标权重,建立了相应的模糊综合评价模型.该方法使得距离判别关系定量化,避免单纯距离判别分析方法中的模糊不确定性带来的误差.通过对三山岛金矿深部岩体进行的工程应用表明,该方法对于地下工程岩体分级具有很好的适用性与合理性.     

岩体可爆性分级的神经网络判别方法

以神经网络技术为基础,利用MATLAB软件设计了岩体可爆性分级的BP神经网络判别模型,使用此模型完成对某铁矿中7种不同岩体岩体可爆性分级判别,并将此判别结果与使用模糊识别方法的判别结果进行比较分析,得出的结论一致。体现了使用MATLAB语言设计BP神经网络模型不仅简便精确,而且还具备较强的可行性和客观性。