煤巷围岩分类的Fisher判别分析法

基于Fisher判别理论建立了煤巷围岩分类的Fisher判别分析(FDA)模型。选取巷道埋深、巷道跨度、采动影响系数,围岩强度、松动圈厚度和节理发育情况6个指标因子作为FDA模型的预测指标体系,以实测数据作为训练样本,获得了相应的判别函数。通过分析计算,去掉了重要性较弱的松动圈厚度1个指标,得到了4个判别函数。为了验证模型的有效性,首先利用15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,然后将建立的模型应用于同一地区的实际工程数据判别中,判别效果较好。结果表明,FDA模型简单、准确,是快速判别煤巷围岩分类的一种有效方法。     

基于小波包和Bayes判别法的矿用通风机故障诊断

将小波包分析与Bayes判别分析法相结合的方法应用于矿用通风机故障诊断问题中。利用小波包分析技术提取了矿用通风机不同工作状态的特征向量,选用此特征向量作为Bayes判别分析模型的判别因子,以矿用通风机故障实测模拟数据作为学习样本进行训练,通过分析计算,建立了相应线性判别函数,并利用回代估计方法进行检验。研究结果表明:这种新模型判别能力强,交叉确认估计的误判率为0,不需要优化网络结构,是解决矿用通风机故障诊断的一种有效方法。     

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。     

冲击地压危险性等级预测的Fisher判别分析方法

应用统计学理论并结合工程实际,选取影响冲击地压的主要因素如煤厚、倾角、埋深、构造情况、倾角变化、煤厚变化、瓦斯浓度、顶板管理、卸压、响煤炮声作为判别因子,建立冲击地压危险性分级预测的Fisher判别分析模型(FDA)。利用重庆砚石台煤矿23组实测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。利用该模型其他12组现场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。     

急倾斜煤层可放性的Bayes判别分析法

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。     

基于Fisher判别分析理论的地下开采安全评价模型

矿山安全是矿山企业稳定、持续、高速发展的根本保证。应用Fisher判别分析理论并结合矿山安全生产的标准规范,根据矿山人、机、环境、管理4个因素的实际特点,综合考虑到地下矿山的开采工艺和指标数据的可靠性,选取23项矿山安全评价因素作为评价影响因子,建立矿山地下开采安全评价的F isher判别分析模型(FDA)。对18组地下矿山的特征参数值作为学习样本进行训练和检验,回判估计的误判率为0。利用该模型对另外4组实测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。研究结果表明,该方法回判估计的误判率低,判别性能良好,对地下矿山安全管理现状及水平评价提供了可操作的方法,进而为矿山有关部门提供了科学安全管理的依据。     

矿井突水水源识别的距离判别分析模型

应用距离判别分析理论,结合矿井含水层的水化学分析资料,选取 6 种离子组分的浓度作为突水水源识别的判别因子,建立矿井突水水源识别的距离判别分析模型;以 35 组采样的水源样品作为学习样本进行训练,建立相应线性判别函数对 35 组实测数据用回代估计方法逐一进行检验,正确率为 9714%。 将建立的模型对待识别的 4 个样本进行测试,并与实测结果进行比较。 此外,利用本文方法对梧桐庄煤矿的突水水源进行了识别。 研究结果表明：距离判别分析模型分类性能良好,预测精度高,回代估计的误判率为 0028 6。     

岩体质量分级的Bayes判别分析方法

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%.     

基于小波包和距离判别法的滚动轴承故障诊断

将小波包分析与距离判别分析法相结合的方法应用于滚动轴承故障诊断问题中。利用小波包分析技术提取了滚动轴承典型故障的振动加速度信号的状态特征向量,选用此特征向量作为距离判别分析模型的判别因子,以滚动轴承故障实测模拟数据作为学习样本进行训练,通过分析计算,建立了相应线性判别函数,并利用回代估计方法进行检验。研究结果表明:这种新模型判别能力强,交叉确认估计的误判率为0,不需要优化网络结构,是解决滚动轴承故障诊断的一种有效方法。     

基于Fisher判别法的金属矿山投资风险评价

传统的金属矿山投资风险评价方法具有程序复杂、推理速度慢、精度较低等问题。根据金属矿山投资实际情况,综合考虑投资的地质、生产、市场、社会和管理风险,应用Fisher判别理论,选取13项投资风险评价指标作为判别因子,建立金属矿山投资风险评价的Fisher判别分析(FDA)模型。将定量化处理后的18组金属矿山投资风险实际数据作为训练样本并进行回判估计检验,误判率为0。将4组未参加训练的数据作为预测样本输入模型测试,预测结果与矿山实际投资风险情况相符。结果表明,该模型回代估计的误判率低,预测精度高,可为金属矿山投资风险评价提供一条新的途径。     

岩爆烈度分级预测中的贝叶斯判别分析

针对岩爆烈度分级预测中存在诸多不确定因素的问题,应用贝叶斯判别分析法建立岩爆烈度分级预测的评价模型。根据岩爆的特点及成因,选取岩石的弹性能量指数Wet,应力系数σθ/σc及岩石脆性系数σc/σt作为判别因子;将岩爆烈度分为无、弱、中、强4个等级并作为贝叶斯判别分析的4个正态总体;以国内外14组工程岩爆分析初始数据进行分级判别,以训练样本建立贝叶斯线性判别函数,以该函数计算待判样品的贝叶斯判别函数值,以最大值对应的总体作为样品的归属。为进一步考察该模型的有效性与实用性,运用该模型对秦岭隧道工程及凡口铅锌矿的岩爆实例进行分析,并与人工神经网络模型、模糊概率模型的判别结果及实际情况进行比较。研究结果表明,该模型判别预测结果与人工神经网络模型及模糊概率模型的判别结果及实际岩爆情况较吻合。     

基于距离判别分析法的采空区塌陷预测

依据某开采区的勘察资料,建立了采空区稳定性预测的距离判别模型,选取影响采空区的主要因素作为判别因子,以实测样本作为训练样本,建立相应的线性判别函数对待判样本进行分类。研究结果表明,距离判别分析模型是采空区预测的一种有效方法,可以在实际工程中应用。     

露天采矿爆破振动对民房破坏的LS-SVM预测模型

利用支持向量机学习原理,研究露天采矿爆破振动对民房破坏的预测问题。选取爆破振动幅值、主频率、主频率持续时间、灰缝强度、砖墙面积率、房屋高度、屋盖形式、圈梁构造柱、施工质量和场地条件作为露天采矿爆破振动对民房破坏的影响因素,以工程实际检测数据为训练样本,建立露天采矿爆破振动对民房破坏的LS-SVM预测模型。利用32组爆破实验数据作为学习样本对支持向量机进行训练,建立相应的预测模型并通过回代估计方法进行回检,误判率为0,用另外12组现场实验数据作为检验样本进行测试,测试结果良好。结果表明,LS-SVM预测方法的误判率低,判别精度高,为露天采矿爆破振动对民房破坏预测提供了一种行之有效的新方法,可以在实际相关工程中展开使用。     

煤与瓦斯突出预测的Bayes-逐步判别分析模型及应用

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。     

距离判别法在相似矿区突水水源识别中的应用

为了进行矿井突水水源预测，选用6种常规离子作为判别因子，并结合河南焦作矿区实测数据，建立了煤矿突水水源预测的距离判别分析模型；同时针对该模型自身检验的不足，采用灰色系统关联度法检验距离判别分析模型的准确性；将距离判别分析模型和灰色系统关联度法检验应用于华北型煤田水文地质条件相似的新安矿区，开展关联度分析。结果表明：选用6种常规离子浓度作为判别因子，可解决单位不一致的问题；选用灰色关联度法检验距离判别分析模型的正确性，保证了所选样品的充分使用，能很好地弥补两种方法的不足；距离判别分析模型排除了一般方法评分时存在的人为因素影响；各水样对参考序列的关联度在0.8左右，两矿区石炭系含水层水源具有较强的关联度。     

常量离子联合微量元素煤矿突水水源判别研究

针对煤矿突水水源判别困难问题,采用倒锥形取水装置在4个矿区3个含水层获取无污染水样61组,并进行了常量离子和44种微量元素含量测试。对测试结果进行相关性分析,提出了主要的突水水源判别特征指标,并建立了3个突水水源判别模型。研究结果表明：倒锥形取水装置能够高效获取无污染水样。研究区突水水源判别特征指标包括6个常量离子指标和14个特征微量元素指标。常量离子联合微量元素Bayes多类线性突水水源判别模型较其他模型更为准确,验证准确率达92.9%。为煤矿突水水源精准判别提供了新方法。     

基于Bayes判别方法的矿井通风系统评价研究

矿井通风技术是保证井下安全生产的前提条件,高精度的通风系统可靠性评判可以改善通风环境和预防事故的发生。为了实现对矿井通风系统的快速和准确的评价,考虑矿井通风系统的技术、监测、能力等几个方面,选取16项评价指标。借鉴一种多元统计方法,建立了矿井通风系统Bayes判别分析评价模型,选取18组矿井通风数据作为学习样本进行训练和检验。结果表明:在各总体协方差矩阵不全相等的情况下,5种不同的训练和测试样本个数下的Bayes判别分析模型仍具有较好的评价效果。其中,回判法中模型的正判率均为100%,交叉确认法中模型的正判率分别为83.33%、94.44%、88.89%、94.44%和88.89%,该模型可为矿井通风系统可靠性评价提供借鉴。