共查询到19条相似文献，搜索用时 406 毫秒
1.
2.
矿井水害是矿井生产过程中较常见的地质灾害之一。快速有效地判别突水水源是预防矿井水害的关键所在。选取袁店二矿59个水样资料(常量离子含量),利用主成分分析进行处理,得出主成分得分;以主成分得分为自变量,水源类别为因变量建立多项Logistic回归模型;运用该回归模型对59个水样资料进行类型判别,得出综合判别准确率达到86.4%;并通过实例对判别模型进行了验证。研究结果表明:主成分分析法与多项Logistic回归模型相结合的方法在水源判别上具有可行性,不仅消除了常量离子之间的内在影响,而且使判别结果具有一定的准确率,在突水水源判别问题上提供了一种新方法,为矿井防治水提供有效依据。 相似文献
3.
利用示踪不同含水层水文地球化学特征的标型微量元素捕捉突水预兆期内的水文地球化学信息,建立判别模型分析煤矿重大突水水源,具有重要的理论与实践意义。本课题利用任楼井田及所在临涣矿区其他生产矿井的长观孔、矿井出水点从上而下分别取第四系第四含水层、二叠系煤系砂岩含水层、石炭系太原组岩溶含水层及奥陶系岩溶含水层24个水样,测试了24种微量元素含量。通过分析4类主要突水含水层微量元素含量与聚类规律,得到了Be、Zn、Ga、Sr、U、Zr、Cs、Ba8种主要突水含水层的标型微量元素,建立了以标型微量元素作为解释变量的突水水源Bayes线性判别模型。以24个水样为训练样本,得到模型判别正确率达到了80%,并分析了区域水循环与水文地球化学演化对判别模型效果具有一定程度的控制作用。 相似文献
4.
《中国煤炭地质》2019,(8)
煤矿防治水的根本是突水水源识别,而华北煤田含水层的叠置的关系及上下导水通道使传统的矿井突水水源判别方法存在准确率较低的问题。以潞安矿区王庄煤矿为例,该区域主要的含水层为奥陶系岩溶裂隙含水层、上石炭统太原组灰岩含水层、二叠系砂岩孔隙裂隙含水层与第四系孔隙含水层,各含水层的化学特征、富水性与渗透性具有明显差异。采集矿井各含水层水样共34件,分析其化学特征,首先运用系统聚类分析法对各水源样本进行筛选及异常值剔除,然后利用Piper三线图对水样进行分类。根据分类结果,推测该矿井突水水源为砂岩裂隙水,另外依据Piper三线图可判别砂岩水和峰峰组奥灰水,准确率右达67. 7%。 相似文献
5.
投影寻踪是一种降维处理技术,它可以将高维分析问题通过投影方向转化为低维问题分析.应用该法的关键在于寻求最佳投影方向,这可以转化为一个复杂的非线性优化问题,结合Matlab的遗传算法工具箱进行优化求解.本文以淮南新庄孜煤矿为例,建立突水水源判别投影寻踪模型,并与模糊综合评判模型、神经网络模型、灰色聚类模型进行分析比较.结果表明:投影寻踪判别模型能够有效地判别突水水源,比模糊综合评判、神经网络模型、灰色聚类模型具有更高的准确性,为矿井突水水源判别提供了一个新途径. 相似文献
6.
煤矿突水事故时有发生,易造成重大人员财产损失,而优化突水救援路径,将提高矿井突水灾害应急救援能力,降低突水危害。本文采用无向图和邻接表对矿井巷道网络进行描述和存储,根据巷道水位高度与井下人员身高的比值计算巷道安全系数,进而求解巷道等效长度,据此,使用优化SPFA算法进行单源路线搜索,提出矿井突水救援路线模型,并给出最优救援路线。以王家岭矿的巷道拓扑网络结构为基础进行仿真分析,结果表明,基于优化SPFA算法的矿井突水救援模型可以正确地计算出单源最优路线。该方法综合考虑了工作人员被井巷塌方或水流所阻而不可通行的复杂情况,为实现快速有效的事故抢险提供了可靠的技术支持。 相似文献
7.
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。 相似文献
8.
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。 相似文献
9.
神经网络在判别煤矿突水水源中的应用 总被引：6，自引：0，他引：6
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。 相似文献
10.
基于支持向量机分类算法的湖泊水质评价研究 总被引：11，自引：1，他引：10
支持向量机（SVM）是由Vapnik等人提出的建立在统计学习理论基础上的一种小样本机器学习方法,最初用于解决二分类问题。由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题。又由于采用了核函数思想,使它将非线性问题转化为线性问题来解决,降低了算法的复杂度。利用支持向量机多类分类算法,构建湖泊水环境评价模型。实验结果表明,该方法能够正确地对湖泊水环境质量进行分类评价。 相似文献
11.
纳林河二号煤矿作为纳林河矿区的第一对大型矿井,生产初期由于其自身复杂的水文地质条件和采掘的强扰动,导致涌水事件时有发生,给矿井的安全生产造成严重威胁,快速有效地找到涌水水源是防治矿井水害的关键。通过对纳林河二号煤矿主要含水层及采空区水样进行水质分析并绘制Piper三线图,揭示矿区各含水层地下水及采空区水的水化学特征,统计Ca2+、Mg2+、Na++K+、HCO3-、Cl-、SO42-、pH和矿化度8个指标作为水源判别的原始数据,经主成分分析法（PCA）处理得到4个主成分F1、F2、F3和F4;将4个主成分的值作为Logistic回归模型的判别指标,建立纳林河矿区涌水水源判别模型;以36组标准水样作为训练样本,发现模型回代准确率为97.22%,再利用建立的模型对4组待判水样进行判别,结果与实际分析相符。研究结果表明:主成分分析和无序多分类Logistic回归方法相结合的涌水水源判别模型能够有效消除样本原始数据间的冗余信息,使涌水水源判别结果更加快速准确,可为矿井防治水工作提供决策和依据。移动阅读 相似文献
12.
在煤矿开采过程中,矿井水害事故频繁发生。为快速准确地找出矿井突水水源,降低矿井突水给煤矿生产带来的危害,以赵各庄矿为例,运用独立性权系数与模糊可变理论相结合的方法,选取了Na+,Ca2+,Mg2+,Cl-,SO42-和HCO3-6种水化学指标,对赵各庄矿的20组水样数据进行分析计算。结果表明:独立性权系数-模糊可变理论模型排除了水样中各指标间冗余信息的影响,克服了水样各变量间权重难以确定以及变量对水质影响不均匀的问题,可在一定程度上保证突水水源识别模型的准确度;Cl-权重值远大于其他各项化学指标的权重值,即Cl-对突水水源的识别结果影响较大;采用本文所建模型判别赵各庄矿的8组测试水样,判别准确率达87.5%,表明该模型在矿井突水水源识别中具有重要参考价值。 相似文献
13.
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。 相似文献
14.
15.
In order to improve the accuracy of floor water inrush assessment, the risk prediction model of floor water inrush was established by combining the principal component logistic regression analysis (PCLRA) and GIS spatial geographic analysis. In this paper, the geological data of Pandao coal mine was taken as the engineering background. First of all, main controlling factors of floor water inrush were determined and quantified. Next, PCLRA was used to determine the weight of each factor and establish the mathematical model for predicting the floor water inrush. And then, GIS’s spatial analysis and data processing function was used to draw related single factor thematic maps. Related thematic maps were weighted superposed to draw a floor water inrush zoning map based on PCLRA mathematical model. The study areas were divided into five levels by Jenks optimization method and vulnerability index initial model. And the corresponding threshold range was determined. The results show that (1) the high sensitivity factors in floor failure depth were added to evaluate the water inrush, and the fault fractal dimension was used to replace the fault structure related factors, and the main controlling factors of floor water inrush are more comprehensive; (2) the fitting degree of PCLRA model is high and the test accuracy is 83.3%; (3) the prediction results were well fitted to the actual position of water inrush (three water inrush points are located in the dangerous area, and two water inrush points are located in the relatively dangerous area). 相似文献
16.
文章分析了孔隙充水矿井的充水水源和通道,利用非线性的BP人工神经网络建立了徐州韩桥煤矿涌水量短期预测模型,选取每天的降水量作为影响因子,用已有的涌水量资料训练得到权值和阈值来表示充水通道,并对-200m水平、-270m水平、-330m水平和全矿井涌水量进行了预测。结果显示,涌水量的预测值与实测值吻合得较好,说明该模型具有一定实用性。 相似文献
17.
随煤层开采深度的不断增加,煤矿生产过程中面临着复杂的突水机理和多变的突水主控因素,且各因素间相互联系的不确定性,使底板突水预测的难度不断增加。为准确预测底板突水危险性,针对底板突水的小样本、非线性问题,首先利用遗传算法(Genetic Algorithm,GA)将网络随机赋值的初始权值和阈值初次优化,再选取搜索能力强、稳定性较好的麻雀搜索算法(Sparrow Search Algorithm,SSA)对权值和阈值进行二次寻优,从而建立SSA-GA-BP神经网络底板突水预测模型。分析整理山东省滨湖煤矿地质及水文地质资料,选取含水层水压、含水层厚度、隔水层厚度、断层密度、断层分维值、渗透系数、单位涌水量、底板破坏深度共8个因素,作为预测底板突水的主控因素,绘制各主控因素3D映射投影曲面图;利用Surfer软件中的克里金插值法提取50个数据点作为模型的输入样本(分为训练集40个,测试集10个),对模型进行训练学习,训练误差精度达到要求后,对滨湖煤矿3个未开采工作面的12个数据点进行突水危险性预测。为了验证所建模型的准确性,利用BP、GA-BP、SSA-GA-BP这3种模型对测试集进行预测;为避免模型仅与BP网络预测对比的片面性,同时选取以熵权法确定权重的模糊综合评判法对测试集进行预测;将各网络模型及方法的预测结果与实际值进行对比分析。结果表明:基于SSA优化的GA-BP神经网络模型突水预测误差较小,预测结果准确率更高,为矿井水害预测预报提供了科学的评价方法和理论依据。 相似文献
18.
Bo Li Wenquan Zhang Bing Gao Jiudang Yuan 《Geotechnical and Geological Engineering》2018,36(3):1419-1429
According to the characteristics of mine floor water inrush, its influence factors can be summarized as the geological structure and mining pressure, the aquifer water properties, and the water resistance ability of floor strata; the mechanism of each influence factor is described herein. The research history and status of mine floor water inrush are introduced, and the commonly used prediction methods of mine floor water inrush grade are summarized and categorized as empirical formula methods and GIS technology, mathematical analysis methods, nonlinear mathematical analysis methods and simulation experiment methods; a detailed analysis of each method is presented. With the development of big data, cloud computing and nonlinear algorithm research, the existing deficiencies of floor water inrush prediction methods will likely be addressed by the future research and development trends of mine floor water inrush grade prediction. 相似文献
19.
基于BP神经网络方法的矿井涌水量预测 总被引：2，自引：0，他引：2
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. 相似文献