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。      

基于离差加权的煤矿突水水源判别模型及应用

矿井突(涌)水水源的快速识别是矿井水害有效防治的前提条件。针对应用模糊综合评判方法解决水源判别常用的"超标加权法"和"偏标加权法"确定判别因子的权重系数方面存在的不足,结合方差分析中的离差分解法,提出了矿井突水水源判别权重系数确定的离差加权法;利用SPSS软件,并以淮南潘三矿为例,对上述3种模型进行对比分析研究。结果表明:基于离差加权的模糊综合评判能够有效的判别突水水源,比"超标加权法"和"偏标加权法"有更高的判别率;基于离差加权的模糊综合评判具有原理清晰、结构简单、运算量小、更为合理等优点,适合快速识别水源,为矿井水害防治提供了一种辅助决策手段。      

基于GIS的矿井突水水源判别系统研究

应用模糊聚类分析得到的含水层背景值,建立模糊综合评判模型,进行矿井突水水源快速判别。基于GIS强大的数据处理功能,利用GIS可视化技术将判别结果直观地显示出来。该系统不但实现了突水水源的点查询,还实现了突水空间分区。通过实际应用,证明该系统简便易行,结果可靠。它可高效准确地完成未知突水水样的水源判别,为煤矿安全生产提供决策依据。      

基于GIS和水质水温的矿井突水水源快速判别

针对淮南潘谢矿区新生界下含松散孔隙水与石炭系太原组石灰岩岩溶裂隙水水质接近的特殊情况,提出了基于GIS和水质水温的矿井突水水源快速判别方法。该法是利用测温钻孔的温度-深度拟合结果,构建基于GIS的利用水温识别突水水源的模型,并将其判别结果与基于水质的模糊综合评判计算的结果相结合,综合判别矿井突水水源。本法应用于潘一煤矿86-1号突水判别,实例结果显示,该法可以较好地适用于水质判别效果不佳,而含水层之间存在较大的地温差(埋深差)情况下的突水水源识别。      

距离判别法在矿山防治水中应用

以淮南潘二矿区、山西河池矿区和河南焦作矿区水样作为突水水源数据,采用距离判别分析理论,对突水水源进行判别分析。选用六大常规离子作为判别因子,分别建立矿井突水水源的距离判别分析模型。经回判检验表明,潘二水样和焦作水样的距离判别模型回判准确率超过90％,而河池矿区水样距离判别模型的回判准确率仅50％。为此,增加总硬度、碱度、PH值和矿化度作为判别因子,重新建立河池矿区水样的距离判别分析模型,回判准确率提高至90％,证明适当增加特征判别因子对改善距离判别分析模型的判别准确率有利。最后对三个矿区的未知样本进行了距离判别分析,并与Bayes逐步判别法和模糊综合评判法判别结果对比,结果表明距离判别法稳定性较好,判别准确率与Bayes逐步判别基本相同,比模糊综合评判要好。因此,在判别因子选择合适的情况下,距离判别法是目前矿井突水水源判别的有效方法。     

基于投影寻踪模型和加速遗传算法的石羊河流域水资源承载力综合评价

针对区域水资源承载力状况,采用高维降维技术——投影寻踪分类模型（PPC）,利用基于实数编码的加速遗传算法（RAGA）优化其投影方向,将多维数据指标（样本评价指标）转换到低维子空间,根据投影函数值的大小评价出样本的优劣,从而做出评价,最大限度避免了灰色关联法评判中权重矩阵取值的人为干扰,为区域水资源承载力状况评价及其它评判问题提供一条新的方法与思路。     

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。     

基于GIS和聚类分析的矿井突水水源快速判别

基于GIS强大数据库功能和模糊聚类分析方法,建立模糊综合评判模型进行矿井突水水源快速判别,同时利用GIS可视化技术将评判结果直观地显示给用户。尝试将该系统应用于河南某矿区,结果表明该系统简便易行,评判结果切合实际,也验证了该系统的可靠性。采用该系统软件可高效准确地完成未知突水水样的水源判别,为煤矿安全生产提供决策依据。     

灰色局势综合评判法在煤矿突水水源判别中的应用

目前煤矿水害已成为深部开采的一大灾害,其中很多突水在矿井淹没后找不到水源,给综合治理水害带来了很大的不便。地下水流动系统本身具有一定的灰色模糊性,根据这一特性,应用灰色局势综合评判法的相关亲缘程度的综合测辨隶属度R来判别矿区突水水源,并用实例进行了分析验证,为治理水害提供科学的依据。     

神经网络在判别煤矿突水水源中的应用

矿井突水水源的识别是矿井防治水工作的基础，快速准确地判别突水的来源对整个矿井的安全生产起着十分重要的作用。以峰峰矿区梧桐庄矿为例，应用神经网络的方法，对矿井突水水源进行了系统研究。结果表明，运用该方法取得了较好的效果，并可以用此模型来解决类似的评价和判别问题。     

矿井突水水源判别的ESN正则化模型

针对标准回声状态神经网络（ESN）因病态解而导致水源判别模型准确率低,精度差的问题,提出了将6种正则化方法与ESN神经网络相结合,并应用于矿井突水水源的判别,与标准ESN模型的判别结果进行对比分析。结果表明:ESN模型易出现过拟合问题,判别准确率只有49%~88%;而采用阻尼最小二乘奇异分解法（DSVD）与广义交叉验证法（GCV）相耦合的正则化方法能够较好的解决模型病态解问题,使模型的准确率提高到100%,最佳判别精度比标准ESN模型提高了64%,稳定性提高了61%;且该方法对不同规模的储备池结构表现出较强的适应性,不仅简化了模型的映射关系,提高计算效率,还增强模型的泛化能力。因此,基于GSVD_GCV正则化的ESN水源判别模型可作为一种快速有效判别矿井突水来源的新方法。      

基于BP神经网络方法的矿井涌水量预测

鉴于矿井涌水威胁煤矿安全生产及其影响因素的复杂性,提出基于BP神经网络的矿井涌水量预测方法.在充分分析新安煤矿＋25m开采水平的涌水影响因素的基础上,选取大气降水、采空区面积和底板构造断裂和采动裂隙三个影响因子,建立了非线性人工神经网络预测模型,对＋25m开采水平的正常涌水量进行了预计.其结果和实际观测数据能够较好地相吻合,表明采用人工神经网络预计矿井涌水量是可行的.     

Artificial Neural Network Model for Discrimination of Stability of Ancient Landslide in Impounding Area of Three Gorges Project, China

The factors of geomorphology, geological setting, effect of ground water and environment dynamic factors (e.g. rainfall and artificial water recharge) should be integrated in the discrimination of the stability of the ancient landslide. As the criterion of landslide stability has been studied, the artificial neural network model was then applied to discriminate the stability of the ancient landslide in the impounding area of the Three Gorges project on the Yangtze River, China. The model has the property of self-adaptive identifying and integrating complex qualitative factors and quantitative factors. The results of the artificial neural network model are coincided well with what were gained by classical limit equilibrimm analysis (the Bishop method and Janbu method) and by other comprehensive discrimination methods.     

地下水环境质量评价的神经网络研究

基于模糊综合评判法和灰色聚类法的不足,应用神经网络理论与方法建立了地下水环境质量评价B-P网络模型,并用该模型对某地区的地下水环境质量作了评价。结果表明,该方法运用简便、精确可靠、可判性强。      

投影寻踪法在建立积雪深度模型上的应用

针对融雪期积雪深度变化问题的高维非线性、非正态特点,利用投影寻踪法将积雪深度变化多指标问题转化为单一投影指标问题,采用遗传算法优化投影方向得出最佳投影值,最终得到对积雪深度变化影响较大的因子,实现在低维空间上反应积雪深度变化的目的。实例分析结果表明:影响积雪深度变化的各因素贡献力依次为:土壤地表温度净辐射空气温度土壤体积含水量风速空气相对湿度降水水汽压。通过建立MLP神经网络积雪深度模型表明:利用投影寻踪法提取的积雪深度主要影响因子是可靠的,且提取的主要影响因子为简化积雪深度模型提供理论依据。     

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。      

基于足球联赛竞争算法-投影寻踪-云模型的水资源短缺风险评价

为客观衡量水资源短缺风险评价过程中的随机性与模糊性,将正态云模型引入水资源短缺风险评价,建立足球联赛竞争算法-投影寻踪-正态云评价模型,以云南省各州市水资源短缺风险评价为例进行实例研究。从水资源等系统遴选20个指标构建水资源短缺风险评价指标体系和分级标准,采用云模型正向发生器计算水资源短缺风险分级评价指标的隶属度;在分级标准阈值间随机内插样本构造投影寻踪优化目标函数,利用足球联赛竞争算法、粒子群算法、布谷鸟搜索算法和差分进化算法优化投影寻踪目标函数并进行比较,并通过足球联赛竞争算法-投影寻踪法给出各指标权重;根据隶属度矩阵和权重矩阵计算水资源短缺风险评价的分级确定度并进行评价,评价结果与投影寻踪法、模糊综合评价法比较。结果表明:足球联赛竞争算法寻优精度高于粒子群算法等3种算法。昆明市、怒江州和迪庆州水资源风险评价为低风险;玉溪市、保山市、文山州和德宏州评价为较低风险;曲靖市、昭通市、普洱市、临沧市和红河州评价为中等风险;其余州市评价为较高风险,评价结果与投影寻踪法、模糊评价法基本一致。足球联赛竞争算法-投影寻踪-正态云评价模型兼具模糊性和随机性,既能反映水资源短缺风险评价分级的定性概念,又可反映隶属程度的不确定性,具有较好的应用价值。