主成分-费歇尔判别模型在煤与瓦斯突出等级预测中的应用

发布时间：2021-05-08 05:14

　　针对现有煤与瓦斯突出预测方法存在计算过程较复杂、预测主观性强、预测精度较低等问题,构建了主成分-费歇尔判别模型,并将其应用于某煤矿的煤与瓦斯突出等级预测。从瓦斯因素、煤体结构及地质构造方面分析得出了影响该矿煤与瓦斯突出的因素包括瓦斯压力、瓦斯含量及瓦斯放散初速度等指标。以影响该矿煤与瓦斯突出的23组实测数据为基础,首先利用主成分分析模型对影响该矿的煤与瓦斯突出因素进行降维,提取与指标相关度较高的5个主成分,然后将5个主成分输入费歇尔判别模型,并根据判别函数对样本进行煤与瓦斯突出等级预测。应用结果表明:主成分-费歇尔判别模型具有较高的可信性,能对煤与瓦斯突出等级进行准确预测,训练样本的正确率为100%,待测样本的预测结果也与该矿煤与瓦斯突出的实际情况相符,误判率为0,为准确预测煤与瓦斯突出提供了一种新方法。 

【文章来源】：工矿自动化. 2020,46(03)北大核心

【文章页数】：8 页

【文章目录】：
0 引言
1 主成分-费歇尔判别模型建立
    1.1 主成分分析基本原理
        1.1.1 主成分分析模型
        1.1.2 主成分分析算法流程
    1.2 费歇尔判别分析
        1.2.1 基本原理
        1.2.2 效果检验
2 主成分-费歇尔判别模型应用
    2.1 煤与瓦斯突出影响因素
        2.1.1 瓦斯因素
        2.1.2 煤体结构及性质
        2.1.3 煤层条件及地质构造
    2.2 构建判别模型
        2.2.1 主成分处理
        2.2.2 费歇尔判别模型分析
    2.3 判别效果检验
    2.4 预测结果分析
3 结论


【参考文献】：
期刊论文
[1]利用地震主分量分析和Fisher判别预测窄小河道砂体[J]. 姜岩,杨春生,李文艳,赵明珠,张秀丽.  石油地球物理勘探. 2018(06)
[2]BP神经网络法预测隧道瓦斯突出的模型与实例[J]. 匡亮,赵万强,喻渝.  铁道工程学报. 2018(02)
[3]基于模糊聚类方法的复杂煤层煤与瓦斯突出危险性分析[J]. 侯金玲.  煤矿安全. 2017(06)
[4]煤与瓦斯突出预测PCA—距离判别法研究[J]. 刘庆军,陈坤,刘晓光.  中国煤炭. 2016(10)
[5]基于PCA法和Fisher判别分析法的岩体质量等级分类[J]. 钱兆明,任高峰,褚夫蛟,秦绍兵.  岩土力学. 2016(S2)
[6]基于两总体Fisher判别分析法的煤与瓦斯突出预测[J]. 陈亮,王恩元,冯俊军,李学龙.  煤矿安全. 2015(12)
[7]改进层次分析法的煤与瓦斯突出预测[J]. 彭泓,王曦.  辽宁工程技术大学学报(自然科学版). 2015(07)
[8]用加权灰色关联分析煤与瓦斯突出的主控因素[J]. 徐昆伦,李明明.  煤炭技术. 2015(03)
[9]煤与瓦斯突出预测的Fisher判别分析法及应用[J]. 毕建武,贾进章,赵博琦,张瑾.  安全与环境学报. 2014(05)
[10]煤层瓦斯预抽防突措施效果检验应用研究[J]. 林海峰.  中国煤炭. 2014(04)

博士论文
[1]煤矿工作面作业环境及煤与瓦斯突出危险综合评价研究[D]. 关维娟.安徽理工大学 2015



本文编号：3174741