Fisher判别法在综放回采巷道支护形式选择中的应用

 将Fisher判别分析法应用于综放回采巷道支护形式选择中,建立了综放回采巷道支护形式选择的Fisher判别分析模型,选取围岩强度、煤层强度、巷道埋深、围岩节理裂隙发育程度、采动影响系数、顶煤厚度、护巷煤柱宽度和断面面积8项指标作为Fisher判别分析模型的判别因子,以15组综采巷道围岩及支护实测数据作为学习样本进行训练,建立相应的判别函数对待判样本进行分类.研究结果表明,Fisher判别分析模型分类性能良好,预测精度高,回判估计的误判率很低,是一种综放回采巷道支护形式选择的有效方法.     

未确知均值分级方法及在回采巷道围岩分类中的应用

为将未确知数学理论应用到回采巷道围岩分类问题中,提出了未确知均值分级方法,建立回采巷道围岩分类的未确知均值分级模型.从巷道地压显现的特点及支护的难易程度两方面选取了6个主要影响因素,如巷道埋深、跨度、直接顶与煤层厚度的比值、围岩强度、围岩节理发育程度,松动圈大小作为判别指标,利用30组巷道围岩实测数据建立回采巷道围岩分类的未确知均值分级分析模型.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相吻合,这说明用该模型研究巷道围岩类别具有良好的实用性和有效性.该方法可为回采巷道围岩的分类提供一种新思路.     

回采巷道围岩变形率的预测

巷道围岩变形率预测是巷道支护设计的主要环节，本文以影响回采巷道稳定性的主要因素为基础，分析整理了我国煤矿１００多条典型的巷道实测数据，应用多元线性回归方法，建立了预测各类巷道围岩变形率的回归方程，经理论检验与实例验证，预测方法可用于我国回采巷道控制设计，具有广泛的实用价值。     

青东矿三软煤层巷道锚梁网支护技术

简要介绍三软煤层巷道的锚梁网支护,给出了巷道支护设计方案和锚杆支护参数,巷道监测结果表明,巷道经受住了掘进和回采期间的动压影响。满足了安全高效回采的要求,取得了良好的技术经济效果。     

回采巷道矿压显现特征分析研究

回采巷道所选用的护巷方式及支护形式直接决定了回采工作面开采的难易。本文通过对不同护巷条件的几条综采工作面回采巷道的矿压显现观洲，介绍了木支护、金属棚支护的试验情况及矿压显现特点，分析了沿空掘巷(留小煤柱)合理支护方式，提出了沿空掘巷布王的合理小煤柱尺寸及支护方案。     

新方煤矿回采巷道支护参数设计及优化

锚杆支护具有“主动”支护、支护成本低，控制围岩效果好等优点，是当今世界巷道支护技术的主要发展趋势。实践证明，锚杆支护成功的关键是支护形式的合理选择和支护参数的科学设计，以充分发挥围岩自身的承裁能力，进行耦合支护。本文通过对新方煤矿回采巷道特点，在围岩分类和支护选型的基础上进行锚杆支护参数设计。     

急倾斜松软煤层回采巷道上帮煤体的稳定性控制

为控制新强煤矿急倾斜松软煤层回采巷道上帮变形失稳,采用理论分析和现场实验相结合的方法对急倾斜煤层回采巷道合理支护方式、支护参数和上帮稳定性控制技术进行研究。结果表明：急倾斜煤层巷道的变形与破坏呈非对称性;采用锚杆支护后,影响上帮稳定性的关键因素是巷道底臌的控制,巷道上帮底角是控制的关键部位。新强煤矿采用文中回采巷道支护参数优化设计方案,巷道变形得到了有效控制,取得了显著的支护效果。     

鸡西矿区回采巷道围岩稳定性分类研究

对回采巷道围岩稳定性分类进行了研究,建立了基于模糊等价关系的灰色Fuzzy聚类分析模型。利用该方法进行的回采巷道围岩稳定性分类,为确定合理的支护方式提供了依据,对提高煤矿的经济效益和社会效益有着重要意义。     

金川不良岩体分类及其巷道支护研究

根据岩组类型、岩体结构类型及其工程地质特征，给出了按稳定性划分的金川矿区工程岩体分类表，不良岩层为其中不稳定和极不稳定两类；分析认为，金川不良岩层具有岩体单块强度高等四个特点，不良岩层巷道围岩变形具有围岩变形量大和流变变形显著两个显著特点，据此给出了三条支护设计原则；根据在金川二矿区进行不良岩层支护试验的实践经验和金川不良岩层巷道支护原则，给出了适用于各类不良岩层巷道的支护设计方案。     

基于松动圈测试技术的巷道支护方案设计

巷道围岩松动圈的大小是评定围岩稳定性和确定锚杆长度的重要依据,对双柳煤矿3306工作面回采巷道进行围岩松动圈测试,得出了该工作面松动圈范围。根据松动圈测试结果、巷道围岩松动圈支护理论及我国缓倾斜、倾斜煤层回采巷道围岩稳定性分类方案,最终确定了合理的巷道支护方式及参数,对类似地质条件下的巷道支护设计具有借鉴意义。     

有新样本加入的支持向量机的学习策略

在支持向量机的学习过程中,有些情况下训练样本不能一次全部给出,这样当有新样本加入训练集时,支持向量集和训练样本集的等价关系将被打破.为了解决这个问题,本文提出了有新样本加入的支持向量机的学习策略.通过对新样本的分析,选出能代替原样本和新样本进行学习的样本,并给出这些样本应满足的条件,最后给出了相应的学习策略.对标准数据集的实验表明,本学习策略可以在新增样本增加后,有效压缩样本集的大小,提高分类的速度,舍弃无用的样本,同时保证了分类精度.     

支持向量机平凡解判别与修正的新方法

针对二类分类问题,提出一种新的线性支持向量机(SVM)产生平凡解的判别与修正方法,证明如下SVM平凡解判别定理:SVM最优解是平凡解的充要条件是在样本空间的任意方向上,正负类训练样本的分布满足某种不等式关系,该不等式与正负类训练样本各自的惩罚因子C+、C-有关,与公共的惩罚因子C无关。在以上判别定理的基础上,通过筛选训练样本点及各自的惩罚因子来修正SVM优化求解过程,为有效避免SVM平凡解的产生提供理论依据和技术手段。仿真计算实例表明该方法有效。     

基于Gabor小波支持向量机的人脸检测

提出了一种基于Gabor小波的支持向量机人脸检测方法.该方法首先提取人脸和非人脸样本库的Gabor小波特征,构造学习样本集,再训练支持向量机,计算出最优分类决策函数.对比实验结果表明,本文提出的方法简单、计算复杂度低、效率高、对正面垂直人脸的检测和定位准确度高.     

基于HS样本选择和BvSB反馈的多类图像分类

针对主动学习由于初始阶段随机选择样本而导致的抽样偏差,将Sanjoy Dasgupta等人提出的分层聚类采样(Hierarchical sampling,HS)引入到主动学习方法中,替代初始阶段随机样本选择,然后在基于支持向量机分类器的图像算法中引入最优标号和次优标号(Best vs second-best,BvSB)的反馈准则,提出了基于HS和BvSB(HS+BvSB)的多类图像分类方法。分别在两组标准测试数据集上进行分类实验,比较HS+BvSB方法与随机选择样本+BvSB方法的学习性能,结果表明,随着初始选择样本数目的增多,提出的Hs+BvSB方法具有更优的性能。     

基于SVM分类的边缘提取算法

通过分析同类数据点在空间中的几何形态,从数据点集所构成几何形态的凹凸性着手,提出边界提取算法并对高维数据进行分类。针对现实生活中的高维数据,利用局部线性嵌入将数据进行降维处理,得到低维特征数据。在此基础上,对于单分类数据集,用数据集表面的点的近邻样本与过该点的切平面之间的关系寻找边界点;对于多分类数据集,利用贝叶斯后验概率来寻找边界重复的点,以此更快达到提取边界点的目的。由此可以粗略筛选出边界点。为去除不重要的边界点,降低分类误差,通过构造最优超平面和支持向量机对边界点赋予权重,并设置阈值去除不重要的边界点,由此达到用较少的边界点准确分类数据的目的。通过100个测试样本进行分类测试并计算其分类准确率,验证了此分类方法的可行性。     

关于支持向量机DirectSVM算法的探讨

DirectSVM算法是求解支持向量机的一种简单快速迭代算法,具有最好的几何直观性.算法将线性可分的两类样本中距离最近的两个异类样本点作为支持向量,以该两点连线的垂直平分面作为初始分类超平面,然后根据分类情况逐步确定新的支持向量,即逐步优化出最优分类超平面.对该算法进行了测试,发现该算法具有局限性,并对算法局限性产生的根源进行了分析,对如何合理使用DirectSVM算法进行了讨论.结论是:用DirectSVM算法直接求解最优分类面是不可靠的,但可以作为支持向量机的一种近似算法,也可以作为求解候选支持向量集的方法,再与其他经典算法结合使用.     

基于小波变换和优化核参数支持向量机的电能质量扰动分类

针对短时电能质量变化和暂态扰动现象的不同特点,建立常见电能质量扰动的数学模型。运用小波变换对暂态电能质量扰动现象的内在特征进行提取,将扰动电压变化率绝对值、扰动能量变化量作为暂态电能质量扰动的特征向量。根据支持向量机的基本原理,给出一种推广误差上界估计判据,利用此判据进行最优核参数的自动选取,利用支持向量机进行训练和测试。结果表明,优化核参数的支持向量机分类器准确率高,实时性好。     

一种基于数据独立性的SVC核参数选择方法

提出一种选择支持向量分类(Support Vector Classification,SVC)最优核参数的算法,称为MI(Maximum Isolation)算法,通过定义样本间的独立性,可以获得最优核参数和相应的最优学习模型。该算法可以在支持向量机训练之前得到最优的核参数,计算代价较小,实验证明所提出的算法简单有效。     

基于支撑矢量机的路面破损识别

针对路面破损自动识别技术中的路面裂缝分类问题,提出了基于支撑矢量机(SVM)的路面破损裂缝分类方法,对于训练样本数很少的5种裂缝,建立了相应的支撑矢量机分类器算法,并分别构造了对应的分类器,根据最优分类面原则来获取最佳参数,确定出裂缝类型,从而实现对路面裂缝的正确分类。试验表明:4种破损路面的正确识别率均得到显著提高。     

二元最优自正交［15s+10,4］码的分类

自正交码是一类重要的纠错码,其中的特殊类型——自对偶码一直是研究的重点。研究二元域码长为n=15s 10(s≥0)的四维最优自正交码的特征,并且确定其完整分类。建立了最优[15s 10,4]自正交码的生成矩阵与两个线性方程组之间的联系,将确定最优[15s 10,4]自正交码的问题转化为求解线性方程组的问题。确定出所有最优[15s 10,4]自正交码的生成矩阵,并进一步得到互不等价的最优自正交码的完整分类,给出了互不等价且不含全零坐标的最优[15s 10,4]自正交码的生成矩阵和重量多项式。因此,二元域上最优[15s 10,4]自正交码的参数、结构特征和等价问题得到了完全解决。