基于主成分分析与贝叶斯判别法的矿井突水水源识别方法研究

结合主成分分析和贝叶斯(Bayes)判别简化构建突水水源识别模型,水样变量因子选取Ca~(2+)、Na~++K~+、Mg~(2+)、HCO_3~-、Cl~-、SO_4~(2-)六个指标。采用潘二矿新生界松散层、煤系砂岩以及太原组灰岩中的水质分析资料作为训练样本和预测样本,其中,训练样本24个,预测样本11个,判别结果表明:松散层水正确率为81. 8%,砂岩水正确率为83. 3%,灰岩水正确率为85. 7%,整体正确率为83. 3%,判别结果可信度高。同时,将主成分分析和贝叶斯结合突水识别模型与贝叶斯模型比较表明利用主成分分析和贝叶斯结合的模型能有效消除冗余信息,使判别结果更加快速准确。     

基于客观组合权-改进集对分析模型的矿井突水水源识别

矿井水害事故的发生对煤矿的安全开采带来很大的影响,快速准确地识别突水事件中所涉及的水源,是预防和解决矿井水害的关键手段之一。基于客观组合权和集对分析理论,针对矿井突水水源识别问题,以东滩矿4个含水层中的40个水样为识别样本,选取Na⁺+K⁺、Ca²⁺、Mg²⁺、Cl^-、SO₄^2-和HCO₃^-共6项水化学指标作为识别因子,构建了矿井突水的水源识别模型,并利用该模型对10个检验样本进行水源识别。结果表明：客观组合权既避免了主观赋权法的主观随意性的缺点,又弥补了单一客观赋权法带来的片面性较强的不足,能合理地对识别指标进行权重赋值。Ca²⁺和Mg²⁺的权重明显高于其他离子,分别为0.28和0.25,二者的权重之和占比达53%,说明这2个指标在突水水源识别中起主要作用。利用客观组合权-改进集对分析模型对10个检验样本进行识别,准确率达到90%,说明该模型在矿...     

矿井涌水水源识别的Logistic回归分析方法研究

为了快速有效地判断识别文家坡煤矿涌水水源,利用Piper三线图和Logistic回归分析相结合的方法,在对所采集的水样水化学分析的基础上,构建了基于Logistic回归的矿井涌水水源判别模型。结果表明:通过Piper三线图能够得到待判水样的水化学特征与白垩系洛河组砂岩水和侏罗系延安组顶板砂岩水比较相似,Logistic回归模型能够排除干扰因素、准确识别待判水样1为侏罗系延安组顶板砂岩水,待判水样2为白垩系洛河组砂岩水,将两种方法相结合能够准确地识别矿井涌水水源。     

基于水化学特征的模糊评判法分析突水水源

通过对工作面水质进行化验总结,运用AquaChem软件绘制Piper三线图,对7199工作面4个月的水质进行统计分析,结果表明:7199工作面突水水源中包含顶板砂岩水、分界砂岩水、第四系底含水和侏罗白垩水。为更准确地确定突水水源间的主次关系,以模糊数学为基础,结合矿井含水层水化学分析资料,利用模糊综合评判法建立了矿井突水水源判别模型,选取6种常规离子作为判别因子,最终得出7199工作面直接出水水源为顶板砂岩水和下石盒子组底界砂岩水,并存在第四系底含和侏罗白垩水的间接补给。     

基于BP神经网络的矿井水源判别模型

矿井水源判别对于矿井防治水工作有重要的导向作用,能够有效减少防治水工作的盲目性.为了能够有效判别矿井突水水源,综合考虑各项水化学指标在水源判别中的重要性,确定以水中6大常量组分(Na++K+,Mg2+,Ca2+,Cl-,SO2-4,HCO-3)作为判别因子,以BP神经网络理论为基础,以对某矿开采影响较大的野青、砂岩、奥灰和伏青4个含水层水样为建模样本,建立水源判别模型,并随机选取7个矿井采掘过程中收集到的水样进行水源判别预测.结果表明,该7个水样分别来自伏青、野青和砂岩含水层,均与实际结果相符,说明以BP神经网络理论建立的水源判别模型具有较强的实用性,能够快速、有效的识别矿井水源.     

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。     

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。     

基于主成分分析和朴素贝叶斯判别分析法的矿井通风机故障识别研究

为了正确诊断和识别矿井通风机故障,选取矿井通风机振动信号中的7个频率段能量指标作为故障识别的样本变量。在此基础上,采用主成分分析(PCA)与朴素贝叶斯(NBC)判别分析相结合的方法建立通风机故障判别模型。以采集到的15个样本数据为学习样本,10个为预测样本,对该模型进行检验和应用,并与传统NBC判别分析模型和其它模型的结果进行比较。测试结果表明利用PCA与NBC故障判别模型能够有效地消除样本变量指标间的相互影响,使故障判别结果更加准确。     

基于主成分分析与距离判别分析法的突水水源识别方法

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。     

基于主成分分析与Fisher判别法的底板突水预测研究

为准确预测煤层底板的突水状况,收集18例矿井的实测数据作为学习样本,4例作为预测样本,首先运用主成分分析法对选取的含水层水压(x1)、隔水层厚度(x2)、煤层倾角(x3)、断层落差(x4)、距断层距离(x5)5个自变量进行降维处理以消除变量间的共线性,然后计算每例样本的主成分得分值并以此为中间变量建立煤层底板突水的Fisher判别模型。对18例训练样本进行回代判别,模型的综合准确率为83.3%,在对3例测试样本的判别中,误判率为0,表明该模型对于类似地质条件下底板突水危险性的判别具有一定的参考价值。