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。     

动态权-集对分析模型在矿井突水水源识别中的应用

矿井突水是煤矿生产的主要威胁之一,准确判定矿井突水水源是突水灾害防控的重要环节。为进行矿井突水水源识别,基于动态权和集对分析理论,针对葫芦素井田5种不同含水层中所提取的53组水样,选取K~++Na~+,Ca~(2+),Mg~(2+),Cl~-,SO■及HCO■六项水化学指标作为识别因子,确立了其水源识别区间,构建了矿井突水水源识别的数学模型。然后利用10组已知矿井水样验证水源识别模型,最后使用该模型对2015-04-26葫芦素井田21102工作面突水进行水源识别。结果表明:动态权重综合考虑主客观权重,既削弱了人为因素的影响,又考虑了识别指标的实际情况,权重赋值合理。利用动态权计算的6项识别因子中,SO■,Cl~-,K~++Na~+的权重值分别为0.38,0.25及0.20,远大于其他3项指标且其权重之和占总权重的83%,在突水水源识别中起决定性作用。利用10组已知矿井水样验证动态权-集对分析水源识别模型,9组识别结果与实际情况完全吻合,仅有1组第四系水样识别结果与实际不符,为建模时第四系样本数据少,待测水样超出识别区间所致。使用已建模型识别葫芦素井田21102工作面突水水源,判别结果与实际完全一致,因21102工作面突水几乎均来自直罗组与白垩系,而直罗组与白垩系建模样本量大,所建识别区间合适。大量的水质数据及准确的识别区间是动态权-集对分析模型进行准确突水水源识别的基础与保障。     

基于主成分分析的潘谢矿区突水水源Fisher判别模型

依据淮南潘谢矿区的各含水层水化学成分的差异性,针对复杂的多类突水水源判别问题,建立基于主成分分析方法与Fisher分析方法的水源判别综合模型。以潘谢矿区的39个水样作为学习样本,6个水样作为预测样本对该模型进行检验和应用。结果表明:该模型判别矿井突水水源准确率高,具有准确快速、简易方便、实用性强的特点。     

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。     

矿井突水水源的PCA-GRA判别模型研究

为了快速准确地识别突水水源,选取Ca2+、Na++K+、Mg2+、HCO3-、SO42-、Cl-共6个判别指标,结合主成分分析理论和灰色关联理论,建立了PCA-GRA突水水源判别模型。先采用主成分分析法对38个水样的水质指标进行降维处理,然后利用灰色关联分析法根据关联度对未知水样进行判别。将该模型应用于11组待判水样的判别,判别结果正确率为100%。而PCA-Bayes判别模型识别精度是81.8%。因此,PCA-GRA突水水源判别模型能够有效地提高识别精度,迅速准确地判断突水水源,为矿井安全生产提供保障。     

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。     

基于熵权-模糊可变集理论的煤矿井突水水源识别

在阐述熵权法和模糊可变集理论的基础上,针对平顶山煤田首山一矿和十三矿4个充水水源中所提取的23个水样,构建了识别矿井突水水源的数学模型,并利用该模型对8个水样进行了来源识别。结果表明:各类充水水源中Ka~++Na~+,Ca~(2+),Mg~(2+),Cl~-,SO_4~(2-)和HCO_3~-等6项化学指标值在区间特定值附近出现的概率比较高,可用模糊可变集理论识别突水水源;熵权法计算的Ka~++Na~+和Ca~(2+)权重值分别为0.270 8和0.371 3,远高于其他指标的权重值,且其权重值之和占64.21%,说明两项指标在矿井突水水源识别中起主要作用;8组水样识别时,除水样8识别结果不符合实际外,其余均与实际类型相符,其准确率为87.5%;对于平顶山煤田来说,识别模型中的优化准则参数a选取2时,熵权-模糊可变集模型识别突水水源的准确性更高;应依据丰富的时空水质检测数据来建立模型并及时应用新的资料予以修正,以保证所建识别模型符合实际并与时俱进。     

基于Matlab因子分析及距离判别模型的矿井突水水源识别

针对传统的矿井突水水源判别存在准确率较低的问题,选取K~++Na~+、Ca~(2+)、Mg~(2+)、Cl~-、SO_4~(2-)及HCO_3~-6种水化学成分指标作为矿井突水水源判别依据,基于SPSS因子分析建模,确定21组突水水样训练样本中与第一主因子密切相关的水质指标,依据距离判别模型,将得到的水质指标作为样本数据输入Matlab平台,采用SQRT、MAHAL函数确定突水水样训练样本总体间的马氏距离矩阵。结果表明:构建二者相结合的矿井突水水源判别模型,其回判准确率高达99%,对8个未知的测试样本进行突水水源的识别,实例验证在判别指标选择合适的情况下,因子分析及距离判别相耦合的突水水源判别方式能有效地消除判别指标间的相互影响,提高判别率,为矿井水害防治提供理论基础。     

煤矿矿井突水水源的Fisher判别模型

为了正确识别矿井突水水源,利用主成分分析选取了主要的水化学判别指标,再通过层次聚类构造了水源判别的决策树,各决策结点采用Fisher判别函数,试验结果表明该模型具有较好的判别效果.     

基于Piper-PCA-Fisher模型的矿井突水水源识别

矿井水害的发生时刻威胁着煤炭的安全生产,同时也造成了严重的经济损失。为了迅速和准确地识别突水水源,选用Piper三线图对采自矿区突水含水层的41个水样进行筛选,得到32个典型水样作为训练样本,采用主成分分析法提炼出3个主成分作为判别指标,建立了水源判别模型;采用留一交叉验证法对模型的预判分类稳定性进行评价,模型对样本总体分类的准确率达到81.3%。并对焦作矿区11个未知水样进行水源判别,错误1个。并将预测结果与Fisher模型进行对比。结果表明,基于Piper-PCA-Fisher的判别模型能有效提高判别精度,为矿井安全生产提供保障,为矿井开展防治水工作及地下水资源合理开发利用提供理论依据。     

矿井突水水源识别的GA-SVM方法研究

针对目前支持向量机(SVM)参数选择不准确导致突水水源识别率不高的问题,提出经过遗传算法(GA)优化的支持向量机应用于突水水源的识别,研究结果表明,该模型的预测结果与实际情况相符合,更加适用于矿井突水的水源识别。     

基于PCA-AWOA-ELM模型的矿井突水水源识别

矿井突水是煤矿生产过程最具威胁的灾害之一，为了保障煤矿安全生产，提高矿井突水水源识别精度，提出一种基于改进鲸鱼优化算法(AWOA)耦合极限学习机的水源识别模型。以岱庄煤矿为例，选取Na⁺、Ca²⁺、Mg²⁺、Cl^-、SO₄ ^2-、HCO₃^-作为判别指标，基于SPSS因子分析提取评价指标主成分，6种离子间相关性较大，Ca²⁺和Mg²⁺,Ca²⁺、Mg²⁺与SO₄^2-、Cl^-之间的相关性均达到了0.7以上，SO₄^2-和Cl^-之间的相关性也达0.68，通过主成分分析提取了3个主成分，从六维空间降低到三维空间，在减少了样本指标之间信息重复的同时，也减少了极限学习机输入层数量，提高了模型对各类型数据的泛化能...     

基于模糊概率法的矿井突水水源识别模型探讨

小浪底水库蓄水,使得淹没区范围内的新安煤矿矿井水文地质条件发生显著变化,矿井突水的危险性增大。及时准确地判断突水水源是矿井防治水工作中的关键环节。采用水质指标判断结合模糊概率模型识别矿井突水水源的方法,建立基于模糊概率法的矿井突水水源识别模型,通过监测校验,试验水样识别准确率达到90%以上。研究成果对于矿井突水水源的现场识别及后续针对性防治工作具有一定指导意义。     

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...     

基于极限学习机的矿井突水水源快速识别模型

在煤矿突水灾害防治过程中,需要快速准确地识别出突水水源类型。激光诱导荧光技术具有灵敏度高和快速监测的特点,利用该技术获取水样的荧光光谱。光谱经卷积平滑预处理和主成分分析提取特征信息后,采用极限学习机算法建立多元分类学习模型。确定隐含层激励函数为Sigmoid函数,并通过交叉验证法确定最优隐含层节点个数。从训练网络的平均时间、训练和测试的平均分类准确率和标准差方面,与BP和SVM传统分类算法进行了性能比较。结果表明:在训练集和测试集上的平均分类准确率方面,该模型与传统分类模型基本一致,但该模型分类准确率的标准差最小,说明其具有较稳定的分类性能;在训练模型学习时间方面,该模型能够大幅度降低分类学习时间,说明其具备快速识别突水水源性能。     

基于MIV-PSO-SVM模型的矿井突水水源识别

为减少及防治矿井突水事故的发生,迅速、准确地判别突水水源,提出一种基于MIV(Mean Impact Value)混合粒子群优化支持向量机PSO-SVM的识别水源算法,以更有效地消除地下水源指标间的信息重叠,筛选出更好的指标体系,从而进一步提高水源识别准确率。首先,利用包含全体特征变量的水样本训练PSO-SVM网络,其次将样本分别加减一定比例构成新样本输入已训练好的网络,根据识别结果获取各影响因子的平均影响值MIV。再按照优先选取高权重变量的原则,依次剔除低权重变量,通过判断均方根误差确立最优指标体系,反馈至PSO-SVM中进行训练与预测。选取新庄孜矿实测样本进行50次试验,并与传统PSO-SVM等其他模型比较,结果表明:MIV-PSO-SVM模型可以更科学、客观地考量特征变量对预测结果的权重影响,构建更为合理的指标体系。模型预测平均准确率为94.667%,均方根误差为0.196 3,平均绝对误差百分率为3.413%,与其他模型相比,预测平均准确率明显提高,均方根误差和平均绝对误差百分率明显降低。     

BP神经网络在矿井突水水源识别中的应用

针对矿井突水水源的水化学特征,采用Na~++K~+、Ca~(2+)、Mg~(2+)、Cl~-、SO_4~(2-)、HCO_3~-6种水化离子的浓度作为识别矿井水源依据;以35组水源样品作为训练样本,运用Matlab软件对网络进行训练,建立6×6×4的网络优化模型;使用构建的BP神经网络对4组待测样本进行识别,并与实际突水水源类别进行比对。应用结果表明:BP神经网络能够准确地识别矿井突水水源,可为防治矿井水害提供有力的保障。     

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。     

基于多元统计分析的东欢坨矿突水水源判别研究

针对矿井突水水源判别准确率较低的问题,基于多元统计分析构建矿井突水水源判别模型,选取K~++Na~+、Ca~(2+)、Mg~(2+)、SO■、Cl~-、及HCO~-_3水化学指标作为矿井突水水源判别依据,采用东欢坨矿5煤顶板含水层及12_(-2)煤底板含水层的水质分析资料作为训练样本和测试样本,其中,训练样本35个,测试样本10个。判别结果表明:突水水源判别正确率达86.7%,判别结果显著,可信度高。利用该判别方法对和东欢坨矿相近的钱家营矿5煤顶板含水层进行突水水源判别,判别结果与实际情况一致,判别准确率高,结果可靠,为矿井突水水源判别提供了科学理论依据。     

感知器在矿井突水水源识别中的应用

针对使用BP和RBF等神经网络进行矿井突水水源识别时存在网络结构和训练算法复杂的问题,使用感知器进行矿井突水水源识别。以焦作矿区的突水水源识别问题为例,舍弃其中的Na~+和K~+两种离子的浓度信息,选择Ca~(2+)、Mg~(2+)、Cl~-、SO_4~(2-)和HCO_3~-五种离子的浓度为作为水源识别的依据,利用三十五组数据进行训练,构建了六输入四输出的感知器模型。计算结果表明,感知器是一种有效的识别工具,对于不同的学习率和初始权值矩阵,训练后的感知器均能够正确进行水源识别。