煤与瓦斯突出预测的Bayes-逐步判别分析模型及应用

发布时间：2021-11-27 21:09

　　为提高煤与瓦斯突出预测的准确性,基于判别分析理论,通过逐步判别法筛选出瓦斯放散初速度、瓦斯压力、软分层厚度3个煤与瓦斯突出敏感指标作为突出判别因子,将煤与瓦斯突出危险性分为4个等级作为Bayes判别分析的4个正态总体,建立了煤与瓦斯突出预测的Bayes-逐步判别分析模型。利用该判别模型对20个煤与瓦斯突出实例进行训练学习得出相应的判别函数,用回代估计的方法进行逐一验证,其误判率为0。将建立的判别模型应用于8个突出实例进行判别预测,其结果与实际情况完全吻合。 

【文章来源】：中国矿业. 2020,29(02)北大核心

【文章页数】：7 页

【文章目录】：
1 Bayes判别分析法
    1.1 Bayes判别分析法基本原理
    1.2 多元正态总体的Bayes判别分析法
    1.3 Bayes判别准则显著性检验
2 煤与瓦斯突出预测的Bayes-逐步判别模型
    2.1 判别因子的选取
    2.2 Bayes判别函数的建立
    2.3 Bayes判别效果显著性检验
3 工程应用
4 结论


【参考文献】：
期刊论文
[1]吸附瓦斯含量对煤与瓦斯突出的影响与能量分析[J]. 王汉鹏,张冰,袁亮,李清川,李术才,薛俊华,周伟,周杰.  岩石力学与工程学报. 2017(10)
[2]煤与瓦斯突出关键结构体致灾机制[J]. 舒龙勇,王凯,齐庆新,樊少武,张浪,范喜生.  岩石力学与工程学报. 2017(02)
[3]基于灰色-神经网络的新安煤田煤与瓦斯突出强度预测[J]. 史广山,王春光,高志扬,冉小勇.  煤矿安全. 2015(09)
[4]逐步判别分析法在筛选泥石流评价因子中的应用[J]. 孟凡奇,李广杰,李明,马建全,汪茜.  岩土力学. 2010(09)
[5]煤与瓦斯突出危险性电磁辐射异常判识方法[J]. 撒占友,何学秋,王恩元.  煤炭学报. 2008(12)
[6]煤与瓦斯突出灰色-神经网络预测模型的建立及应用[J]. 苗琦,杨胜强,欧晓英,陈祖云.  采矿与安全工程学报. 2008(03)
[7]煤与瓦斯突出预测层次分析-模糊综合评判方法[J]. 郭德勇,范金志,马世志,王仪斌.  北京科技大学学报. 2007(07)
[8]基于灰色系统理论的煤与瓦斯突出预测[J]. 景国勋,张强,周爱桃.  中国安全科学学报. 2004(08)



本文编号：3523052