矿井突水水源的Bayes逐步判别分析研究

对Bayes逐步判别法在矿井突水水源判别中的应用进行研究分析。选用六大常规离子（ Ca2＋、Mg2＋、K＋＋Na＋、SO42-、Cl-、HCO3-）作为判别因子,建立Bayes逐步判别分析模型,以内蒙唐家汇矿区突水水源判别为例,在建立的判别模型回判检验准确率仅60%,分析原因可能与选定的特征判别因子对该矿区水样分类影响能力较弱有关。增加总硬度、碱度、PH值和矿化度作为判别因子,重新建立Bayes判别分析模型,使回判准确率提高至90%,证明适当增加特征判别因子对改善Bayes逐步判别模型的可靠性和稳定性有利。经对唐家会矿区的3个未知样本进行了判别分析,并与距离判别法和模糊综合评判法判别结果对比,结果表明Bayes逐步判别模型准确性较好,判别准确率与距离判别结果完全相同,而优于模糊综合评判方法。在合理选取特征判别因子的情况下,Bayes逐步判别法是目前矿井突水水源判别的有效方法。     

矿井突水水源判别的多组逐步Bayes判别方法研究

矿井突水是采矿过程中最具威胁的自然灾害之一。能否准确快速地判别矿井突水水源,不仅是矿井水文地质工作的主要内容,而且是煤矿防治水工作的重要基础。为了有效判别矿井突水水源,综合考虑水化学指标对水源判别的重要性,基于多组逐步Bayes判别分析理论,选取Na+ K+、Ca2+、Mg2+、Cl-、SO42-和HCO3-共6项指标作为判别因子,利用国内某矿区各主要含水层的35个水样的水质资料作为训练样本,建立了矿井突水水源预测的多组逐步Bayes判别分析模型。实例分析表明,该模型结果与实际情况相符合,说明该模型在矿井突水水源判别中具有良好的实用性和有效性,为判别矿区新的突水水源提供了一种新思路。     

Bayes方法在矿井突水水源判别中的应用

快速有效地判别突水水源是矿井安全生产的重要保障。选取各含水层多项水质指标,应用Bayes方法建立适用于不同水质类型的矿井突水水源快速判别模型。结合SPSS软件,以淮南顾桥矿为例,并与模糊综合评判模型、神经网络模型进行分析比较。结果表明:贝叶斯多类线性判别模型能够有效地判别突水水源,比模糊综合评判有更高的准确性,与神经网络模型的判别准确率相同。Bayes多类线性判别模型又以其计算过程简单、模型结构稳定而优于神经网络模型。既提高判别准确率又提高判别速度,实现对突水水源快速有效判别。      

灰色关联分析方法在突水水源判别中的应用

本文以淮南潘北矿区突不同含水层组分作为对象,采用灰色关联度分析法对矿井突水水源进行判别分析,重点研究样本评判因子的选择对判别准确率的影响,结果发现判别因子的选取对判别结果影响较为显著,即在原有Na＋＋K＋、Ca2＋、Mg2＋、Cl-、SO42-、HCO3-等六个评判因子基础上,增加总硬度、碱度、矿化度和PH值作为新的评判因子,其水源判别准确率由62．5％增至100％。因此,选择适合评判因子对提高灰色关联判别可靠性具有重要意义。     

基于主成分分析的矿井突水水源Bayes判别模型

矿井突水严重威胁矿区安全生产,快速准确地判别突水水源,对有效防治矿井突水灾害有重大意义。根据鹤壁矿区6个主要含水层水化学成分的差异性,选取了Ca2+、Mg2+、Na++K+、CO2-3、HCO-3、Cl-、SO2-47个指标作为突水水源判别的评价因子,并选用鹤壁矿区294个水样作为学习样本,以Matlab为平台,先采用主成分分析法提炼出三个主成分Z1、Z2和Z3。然后把这3种主成分的值作为贝叶斯判别指标,建立了鹤壁矿区突水水源判别模型。利用该模型对鹤壁矿区随机选取22个突水水样进行水源判别,判别正确19个,错误3个,精度达到86%。判别错误的原因,主要是因为有的含水层水化学类型相似或者几个含水层之间存在一定的水力联系。研究结果表明,基于主成分分析的矿井突水水源Bayes判别模型能够满足矿井生产要求,可为防治水工作提供决策依据。     

基于Bayes算法的煤矿井下突水水源判识系统的设计与实现

矿井突水是严重影响煤矿安全生产的矿井灾害,快速准确地判识矿井突水水源是矿井突水灾害防治的重要基础。基于Bayes算法设计开发的煤矿井下突水水源判识系统,具有通用性强、操作简单、判识效率高的优点。系统可借助标准水样数据进行自主训练学习,根据标准水样中因子的判别能力自动对因子进行选入或剔除。通过在安徽省祁东煤矿的实际应用,系统判识正确率达91%以上,判识结果与实际水文情况符合良好,证明了基于Bayes算法设计实现的判识系统可为煤矿井下突水水源的快速准确判识提供有力的工具。     

马氏距离判别模型在矿井突水水源判别中应用

根据某矿井水质资料,建立了该矿判别突水水源的数学模型,利用VB程序开发了马氏距离判别软件。选择了K＋、Na＋、Ca2＋、Mg2＋、HCO3-、SO42-、总硬度、碱度、pH、矿化度11项指标作为评价因子,选取20个典型水样作为距离判别方法的训练样本,获得了判别模型,并用样本数据的回判处理进行验证。应用该模型对6个待测水样进行判别,并与Fisher判别结果进行比较,结果表明：其结果与实际情况吻合较好。     

主成分分析与Bayes判别法在突水水源判别中的应用

准确有效地判别突水水源是解决矿井水害的前提条件。基于淮北袁店二矿各含水层共59个水样水质化验资料,利用主成分分析法,计算各水样的因子得分,并进行系统聚类,剔除错误样本。利用剩余水样作为学习样本,检验Bayes判别函数的判定准确性,得出准确率为92.5%,并进行交叉验证。利用该判别函数对某工作面底板下一富水区水样进行判别,结果与实际情况吻合。结果指示基于主成分分析与Bayes判别法较单一Bayes判别法更加准确,能够消除样本变量之间的相互影响,实现对突水水源的快速有效判别。      

基于Fisher判别分析和质心距评价法的矿井水源判别

矿井突水是影响煤矿安全生产的灾害之一,快速准确地判别突水水源对于水害治理至关重要。Fisher判别分析法在判别混合水时,只能将此确定为最相像的某一分组,从而发生误判,因此在Fisher判别分析理论的基础上引入了质心距评价法,剔除可能为混合水样的样本数据,可以提高判别结果的准确率。为此选取13种水化学离子作判别因子,30个有代表性的水样作为训练样本建立判别函数模型,应用判别函数模型及质心距辅助评价指标对6个取自特定含水层的单一水样和4个取自水仓的混合水样验证分析,引入质心距评价分析后判别准确率从60%提高到83.3%。研究结果表明,在Fisher判别分析后进行质心距评价分析可提高判别结果的准确度。      

基于Bayes判别分析方法的地下工程岩爆发生及烈度分级预测

在岩爆发生和烈度分级预测的距离判别分析模型的基础上,结合地下工程岩爆的特点和Bayes判别分析理论,提出了地下工程岩爆发生及烈度分级预测的Bayes判别分析方法。综合分析影响岩爆主要因素,选取最大切向应力 、岩石抗压强度 、岩石抗拉强度 和弹性能量指数 作为判别因子建立岩爆预测的Bayes判别分析模型,并利用回代估计法对误判概率进行估计。利用国内外一些重大深部地下工程实例作为学习的样本进行训练建模,经过训练后的模型回判估计的误判率为0。利用该模型对国内3处典型的隧道岩爆情况进行预测,结果与实际情况符合得很好。研究结果表明,Bayes判别模型在岩爆发生可能性及烈度分级预测中具有良好的适用性和有效性。     

矿井涌水水源判别的GRA-SDA耦合模型

选取矿井涌水水源判别中常用的灰色关联分析和逐步判别分析作为基础模型,分析了两者的优缺点及单独使用中存在的问题,提出耦合判别思路,设计了GRA-SDA耦合式水源判别模型。利用某矿区实际样本数据,选取Na++K+、Ca2+、Mg2+、Cl-、SO42-、HCO3-共6组离子以及矿化度作为判别因子,对该模型进行实例验证。分析表明,该模型判别结果与实际情况吻合较好,与单独使用一种分析方法相比较,有效地提高了水源判别正确率。     

加权距离判别法在泥石流危险度评价中的应用

将加权距离判别法引用到泥石流危险度分类中,建立了泥石流危险度分类模型。该模型选用了流域面积、主沟长度、流域最大相对高差、流域切割密度、主沟床弯曲系数、人口密度、泥沙补给长度比、植被覆盖率、一次泥石流（可能）最大冲出量和泥石流发生频率10项指标为建模参数,运用熵值法对这10个指标进行赋权,用已经分类的泥石流沟作为训练样本进行学习,建立了相应的判别准则。将待判泥石流沟样本代入判别准则进行判别分类,分类结果与传统分类结果100%吻合,验证了该模型的分类性能良好。该方法可以在实际工程中进行推广。     

焦作矿区岩溶水Cl-污染原因初探

焦作裂隙岩溶水系统是我国北方岩溶区发育比较典型的系统之一，岩溶水资源丰富，水质优良，是城市供水的主要水源，据近几年水质监测，岩溶水Cl^-逐年增加，水质变咸，在对焦作矿区地质，水文地质条件，岩溶水补给来源，地表污染源和污染途径分析的基础上，建立了二维非稳定溶质运移数值模拟模型，模拟了岩溶水Cl^-时空分布，证实岩溶水Cl^- 升高是人为污染所致，不同区域岩溶水有不同的污染源和污染途径。     

基于逐步判别分析的砂土液化预测研究

为高效地进行砂土液化的预测,运用逐步判别法,从8个液化影响因子中选择平均粒径、烈度、震中距等3个判别能力显著的影响因子,建立判别函数,并利用工程实例进行验证。研究结果表明：逐步判别分析模型预测性能良好,且能有效地选择对砂土液化起主导作用的因子。相比距离判别分析,逐步判别分析建立的判别函数更加稳定,且所需测试因子较少,节省了因试验和现场调查所耗费的大量人力、物力和时间,因此逐步判别分析是一种值得推广的砂土液化预测方法。     

超标准洪水条件下土石坝安全性应急判别分析

当前极端气候频发,溃坝事件时有发生,提出一种超标准洪水条件下快速判别土石坝安全性的方法对于提升中国防洪决策水平、提高抗洪抢险能力具有重要的意义。然而,由于坝体结构复杂,不确定因素众多,超标准条件下快速判断土石坝安全性具有非常大的难度。借鉴堰塞湖天然坝安全性判别的研究方法,将判别分析法应用于超标准洪水条件下土石坝的安全性快速判别分析,结果证明,该套思路是可行的。从各坝体安全性判别分析方法的预测结果来看,判别分析法和I_DB指标判别方法具有较高的判别正确率,两种判别方法正确率均达到90.0%,优于其它简单指标判别方法。     

基于PCA-DDA原理的砂土液化预测模型及应用

影响砂土液化的因素有很多,建立多指标的液化预测模型非常有必要。目前所有的多指标砂土液化预测模型,均默认选取的判别因子之间相互独立,不存在相关性,可能导致各判别因子之间存在信息叠加而发生误判。以唐山地震砂土液化的25个案例为样本,选取8个影响因素作为砂土液化预测的初始判别指标,首先采用主成分分析（PCA）对各判别指标进行分析,对存在相关性比较高的指标进行了降维处理。基于降维后的4个主成分换算得到新的样本数据,以18个案例为学习样本,建立主成分分析与距离判别分析（DDA）相结合的砂土液化预测模型。利用建立的预测模型对18个案例进行回判,结果全部正确。对其他7个案例的液化情况进行了预测,并与规范法、Seed方法、BP法、DDA法的判别结果进行分析比较,结果表明基于主成分分析与距离判别方法的砂土液化判别模型预测准确率为100%。将模型应用于工程实例,判别结果也与实际情况一致,表明该模型具有良好的预测功能,可在实际工程中应用。