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。      

基于主成分分析的多项Logistic回归模型的突水水源判别研究

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。     

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。     

有关矿井突水水源判别方法的探讨

判别矿井突水来源是矿井防治水工作中的关键环节,选择合适的判别方法是快速高效判别突水水源的关键。本文对近些年来判别矿井突水水源的各种方法进行深入探讨,指出在水源判别时注意的问题,为矿井防治水提供决策依据。     

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。     

纳林河二号煤矿涌水水源判别的PCA-Logistic方法

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      

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。     

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。     

基于局部重力场建模的Tikhonov正则化点质量核径向基函数方法

针对点质量核径向基函数应用于局部重力场建模中的设计矩阵严重病态问题,本文引入Tikhonov正则化方法对传统点质量核径向基函数方程进行改造,建立了相应的正则化模型。通过模拟数据进行仿真实验,以传统格网化方法作为对比试验,利用"标靶法"确定两种模型的最优结构。实验结果表明:正则化点质量核径向基函数可以直接利用离散数据进行局部重力场建模。在两种模型的最优结构下,当实测数据无污染时,正则化方法达到与传统格网化方法相当的精度;当实测值中加入3 mGal的高斯白噪声时,正则化方法的精度获得了27.9%的提升。这说明本文方法可以应用于局部重力场建模中,且模型结构更优,抗干扰能力更强。     

基于系统聚类分析的煤矿突水水源识别技术——以潞安矿区王庄煤矿为例

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%。     

基于投影寻踪技术的矿井突水水源判别模型——以新庄孜煤矿为例

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.     

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。      

基于LSTM神经网络的煤矿突水预测

针对煤层底板突水预测问题,在总结现有突水预测方法和理论的基础上,通过特征选择实验得出水压、距工作面距离、砂岩段厚度、煤层厚度、煤层倾角、断层落差、裂隙带、开采面积、采高、走向长度是影响突水发生的主要因素,这些因素具有复杂、非线性的特点。提出基于长短时记忆（LSTM）神经网络构建的突水预测模型,将煤矿突水实例的数据作为样本数据对模型进行训练。最后,将LSTM神经网络模型与遗传算法-反向传播（GA-BP）神经网络模型和反向传播（BP）神经网络模型进行对比实验。实验结果表明,LSTM神经网络模型在测试集上的预测正确率更高,稳定性更好,更适用于煤层底板突水预测。      

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SSA优化的GA-BP神经网络煤层底板突水预测模型与应用

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。      

基于GA-SVM的矿井涌水量预测

矿井涌水量的准确预测对预防矿山透水事故的发生至关重要,提出利用GA优化的SVM模型（GA-SVM）来实现矿井涌水量的短期准确预测。该方法利用GA的自动寻优功能寻找SVM的最佳参数,提高了预测的准确率。首先,利用微熵率法求矿井涌水量时间序列的最佳嵌入维数和延迟时间,进行相空间重构。其次,采集义煤集团千秋煤矿2011—2015年实际涌水量的时间序列,利用GA-SVM模型对最后12组数据进行预测,其预测平均绝对百分比误差仅为0.92%,最大相对误差为2.62%。最后,与PSO-SVM和BP神经网络预测进行对比,结果表明GA-SVM优化模型适用于矿井涌水量的预测并且预测精度较高。      

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.     

地下水化学特征在岱河矿涌水水源判别中的应用

岱河矿区地下水系统包含三个主要子系统:第四系全新统孔隙含水层、煤系砂岩裂隙含水层组及煤系下伏灰岩岩溶裂隙含水层组。通过对矿区三个子系统地下水化学特征分析,确定各子系统涌出水来源判别依据的水溶组分并建立各子系统所特有的水质模型,进而提出矿井涌水水源判别模式。实际应用表明,该判别模式具有快速准确的特点,可以为了解矿井涌水来源,预测矿井涌水量,防治矿井突水提供理论依据。     

基于优化SPFA算法的矿井突水救援模型

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。