基于主成分分析和支持向量机的矿井水源判别

发布时间：2018-07-10 03:12

  本文选题：矿井突水 + 水源判别　； 参考：《中国科技论文》2015年03期

【摘要】：针对传统支持向量机法判别矿井水源准确率较低的问题,选取7种水化学成分指标作为矿井水源判别的指标,采用主成分分析(PCA)和支持向量机(SVM)相结合的方法建立PCA-SVM矿井水源判别模型。以山东盛泉矿业有限公司矿井太原组灰岩含水层和奥灰含水层的水化学特征中的27个样本进行训练和检验,并与传统的支持向量机模型结果进行比较,利用PCASVM模型对矿井水源进行判别,分类准确率由66.67%提高到83.40%。研究结果表明,利用PCA-SVM矿井水源判别模型能有效消除判别指标间的相关影响,判别率较高,引进主成分分析算法是必要的。
[Abstract]:In order to solve the problem of low accuracy of traditional support vector machine (SVM) method for mine water source identification, seven kinds of water chemical composition indexes are selected as the indicators of mine water source discrimination. The PCA-SVM mine water source discriminant model is established by combining principal component analysis (PCA) with support vector machine (SVM). Twenty-seven samples from Taiyuan formation limestone aquifer and Ordovician aquifer of Shengquan Mining Co., Ltd., Shandong Province, were trained and tested, and compared with the results of traditional support vector machine model. Using PCASVM model to distinguish mine water source, the classification accuracy is improved from 66.67% to 83.40%. The results show that the correlation between discriminant indexes can be effectively eliminated by using PCA-SVM mine water source discriminant model, and the discriminant rate is high. It is necessary to introduce principal component analysis (PCA) algorithm.
【作者单位】： 山东科技大学地球科学与工程学院;山东科技大学山东省沉积成矿作用与沉积矿产重点实验室;山东科技大学信息科学与工程学院;
【基金】：高等学校博士学科点专项科研基金资助项目(20133718110004) 青岛市经济技术开发区重点科技发展计划资助项目(2013-1-62) 山东省自然科学基金重点资助项目(ZR2011EEZ002) 山东科技大学科研创新团队支持计划资助项目(2012KYTD101) 山东科技大学研究生科技创新基金资助项目(YC140103)
【分类号】：TD745

【参考文献】

相关期刊论文 前10条

1 李明山,禹云雷,路风光,胡友彪,程学丰,赵志根;姚桥煤矿矿井突水水源模糊综合评判模型[J];勘察科学技术;2001年02期

2 冯利军,李竞生,邵改群;具有线性功能函数的神经元在矿井水质类型识别中的应用[J];煤田地质与勘探;2002年04期

3 王玉民,焦立敏;利用水质分析法判定矿井涌水水源[J];煤矿安全;2001年10期

4 闫志刚;杜培军;郭达志;;矿井涌水水源分析的支持向量机模型[J];煤炭学报;2007年08期

5 张瑞钢;钱家忠;马雷;覃华;;可拓识别方法在矿井突水水源判别中的应用[J];煤炭学报;2009年01期

6 王震;朱术云;段宏飞;宋淑光;;基于灰色系统关联分析的矿井突水水源判别[J];煤矿安全;2012年07期

7 宫凤强;鲁金涛;;基于主成分分析与距离判别分析法的突水水源识别方法[J];采矿与安全工程学报;2014年02期

8 周笑绿,郑世书,杨国勇;南桐煤矿二井井下突水水源综合分析[J];中国矿业大学学报;1997年02期

9 阮宏玮;刘铁钢;李华;王小雨;;主成分分析法的网页篡改检测[J];中国科技论文;2012年07期

10 康松林;周玖玖;李琼;;入侵检测中支持向量机参数选择方法[J];中国科技论文;2012年10期

【共引文献】

相关期刊论文 前10条

1 祝翠;钱家忠;周小平;马雷;;BP神经网络在潘三煤矿突水水源判别中的应用[J];安徽建筑工业学院学报(自然科学版);2010年05期

2 闫志刚;杜培军;;H-SVMs的构造方法[J];东南大学学报(自然科学版);2009年S1期

3 陈付申;齐玉峰;王关杰;;银家沟硫铁矿矿床充水水源分析[J];地下水;2008年06期

4 李再兴;张凤鸣;庞良;韩国童;;有关矿井突水水源判别方法的探讨[J];地下水;2009年05期

5 曹珍珍;康卫东;李贵娟;王润兰;;忠曲金矿巷道涌水水源判识研究[J];地下水;2012年01期

6 贲旭东;郭英海;解奕伟;沈玉林;张传风;平立华;;模糊综合评判在矿井突水水源判别中的应用及探讨[J];矿业安全与环保;2006年03期

7 潘国营;王素娜;孙小岩;范书凯;;同位素技术在判别矿井突水水源中的应用[J];矿业安全与环保;2009年01期

8 高卫东;;熵权模糊综合评价法在矿井突水水源判别中的应用[J];矿业安全与环保;2012年02期

9 高志强;马雷;周小平;;潘二煤矿沿Ⅳ勘探线地下水化学成分空间分布特征研究[J];工程与建设;2012年02期

10 钱家忠;杜奎;赵卫东;周小平;马雷;;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[J];地质论评;2012年06期

相关博士学位论文 前7条

1 王正帅;老采空区残余沉降非线性预测理论及应用研究[D];中国矿业大学;2011年

2 桂和荣;皖北矿区地下水水文地球化学特征及判别模式研究[D];中国科学技术大学;2005年

3 牛建立;煤层底板采动岩水耦合作用与高承压水体上安全开采技术研究[D];煤炭科学研究总院;2008年

4 李昂;带压开采下底板渗流与应力耦合破坏突水机理及其工程应用[D];西安科技大学;2012年

5 肖建于;证据理论研究及其在矿井突水预测中的应用[D];中国矿业大学;2012年

6 王益伟;大水矿山地下水致灾机理及防治研究[D];中南大学;2014年

7 彭康;海下金属矿床开采参数优化与安全预警研究[D];中南大学;2014年

相关硕士学位论文 前10条

1 李德强;葛泉矿东井突水水源快速判别技术研究与应用[D];河北工程大学;2010年

2 原伟强;焦村矿水文地质条件及二_1煤底板突水危险性评价[D];河南理工大学;2011年

3 陈善成;潘三煤矿西翼8煤水文地质特征研究[D];安徽理工大学;2010年

4 张富凯;矿井突水水源判别系统的研究与设计[D];西安建筑科技大学;2011年

5 王伟;基于格子Boltzmann方法的地下突水数值模拟[D];西安建筑科技大学;2011年

6 牟林;煤矿采场底板隔水层阻水能力分析与试验研究[D];西安科技大学;2011年

7 王沙沙;保德煤矿奥灰富水性及11~#煤底板突水危险性评价[D];山东科技大学;2011年

8 崔喜;基于GIS的淮南孔集矿地下水化学特征分析及突水水源判别模型[D];合肥工业大学;2007年

9 张瑞钢;基于GIS的潘一矿地下水环境特征分析及突水水源判别模型[D];合肥工业大学;2008年

10 杨梅;基于GIS的淮南老矿区地下水环境特征及突水水源判别模型[D];合肥工业大学;2008年

【二级参考文献】

相关期刊论文 前10条

1 张雪芹;顾春华;吴吉义;;异常检测中支持向量机最优模型选择方法[J];电子科技大学学报;2011年04期

2 李再兴;张凤鸣;庞良;韩国童;;有关矿井突水水源判别方法的探讨[J];地下水;2009年05期

3 梁俊勋;吴必胜;;用灰色关联度分析法判别某地下室产生上浮的水源[J];工程勘察;2010年S1期

4 阮宏玮;李华;王小雨;吴承勇;庞滨;;基于快照轮询和文本检测的批量网页防篡改系统[J];广西大学学报(自然科学版);2011年S1期

5 魏永强,梁化强,任印国,刘伟;神经网络在判别煤矿突水水源中的应用[J];江苏地质;2004年01期

6 刘志刚,李德仁,秦前清,史文中;支持向量机在多类分类问题中的推广[J];计算机工程与应用;2004年07期

7 周源远,王继成,郑刚,张福炎;Web页面清洗技术的研究与实现[J];计算机工程;2002年09期

8 林杨;刘贵全;杨立身;;基于改进SVM方法的入侵检测[J];计算机工程;2007年14期

9 李慧;李存华;王霞;;基于特征选择的网页排名算法[J];计算机工程;2010年13期

10 李明山,禹云雷,路风光,胡友彪,程学丰,赵志根;姚桥煤矿矿井突水水源模糊综合评判模型[J];勘察科学技术;2001年02期

【相似文献】

相关期刊论文 前10条

1 任伯帜;郑谐;刘斌全;周义;;锰矿区土-水界面污染流中重金属含量相关分析及主成分解析[J];环境工程;2014年07期

2 杨洁;侯宝革;付晓;马子云;;基于主成分分析的掘进机故障诊断方法[J];煤矿机械;2014年08期

3 吴湘滨,邓家凤,范森葵;滤波检测与主成分分析技术及其应用[J];中南工业大学学报(自然科学版);2002年05期

4 吕洁;蒋仲安;万善福;;基于主成分信息扩散法的煤炭企业风险预警方法[J];煤炭学报;2008年04期

5 侯轶婕;;山西煤炭行业上市公司财务绩效的主成分分析[J];时代金融;2013年09期

6 王广宇;马占新;李yN宁;;华能伊敏煤电劳务派遣员工满意度实证研究[J];煤炭经济研究;2010年12期

7 刘友金;煤炭工业技术进步的主成分分析[J];湘潭工学院学报(社会科学版);2000年01期

8 王文庆, 云庆夏;矿石成本的多元数据分析[J];有色金属;1995年04期

9 田冬梅;姚建;蒋仲安;牛伟;;煤炭企业作业场所风险预测模型的研究[J];煤矿安全;2009年07期

10 陈高峰;卢应发;程圣国;;边坡稳定性影响因素主成分分析[J];金属矿山;2008年04期

，

本文编号：2111805