發(fā)布時(shí)間：2018-04-13 09:50

  本文選題：煤礦突水 + 水源判別�。� 參考：《光譜學(xué)與光譜分析》2017年03期

【摘要】：防治煤礦突水時(shí)需迅速精準(zhǔn)地判別突水水源,激光誘導(dǎo)熒光(LIF)光譜技術(shù)具有靈敏度高、快速準(zhǔn)確監(jiān)測(cè)特點(diǎn),為檢測(cè)突水水源提供了一種新的方法。該研究引入該技術(shù)以獲取突水熒光光譜數(shù)據(jù)。采用卷積(SG)平滑和多元散射校正(MSC)方法對(duì)光譜圖進(jìn)行預(yù)處理,以消除光譜采集過程中噪聲干擾。采用主成分分析(PCA)方法提取特征信息,針對(duì)SG預(yù)處理后的數(shù)據(jù),當(dāng)主成分個(gè)數(shù)為3時(shí),累積貢獻(xiàn)率可達(dá)到99.76%,已基本保留原數(shù)據(jù)的全信息。選擇3層結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)建立分類判別模型,通過不同方式構(gòu)造訓(xùn)練集和測(cè)試集,SG預(yù)處理數(shù)據(jù)構(gòu)建的分類模型可以達(dá)到精準(zhǔn)判別,而對(duì)于MSC預(yù)處理和原始數(shù)據(jù)出現(xiàn)很少的誤判。實(shí)驗(yàn)結(jié)果表明SG預(yù)處理結(jié)果要優(yōu)于MSC預(yù)處理。研究結(jié)果表明,將PCA和BP神經(jīng)網(wǎng)絡(luò)結(jié)合建立分類模型,能有效判別煤礦突水水源,且具有較強(qiáng)的自組織、自學(xué)習(xí)能力。
[Abstract]:It is necessary to distinguish water inrush source quickly and accurately when preventing and curing water inrush in coal mine. Laser induced fluorescence spectroscopy (LIF) technique has the characteristics of high sensitivity, fast and accurate monitoring, which provides a new method for detecting water inrush water source.In this study, the technique was introduced to obtain fluorescence spectrum data of water inrush.In order to eliminate the noise interference in spectral acquisition, convolutional SG-based smoothing and multivariate scattering correction (MSC) methods are used to preprocess the spectral images.The principal component analysis (PCA) method is used to extract the feature information. When the number of principal components is 3, the cumulative contribution rate can reach 99.76, and the whole information of the original data has been basically preserved.The three-layer BP neural network is selected to establish the classification and discrimination model. The classification model constructed by constructing training set and test set SG pretreatment data in different ways can achieve accurate discrimination, but there are few misjudgments for MSC preprocessing and raw data.The experimental results show that SG pretreatment is superior to MSC pretreatment.The results show that the classification model based on PCA and BP neural network can effectively distinguish the water inrush from coal mine, and it has strong self-organization and self-learning ability.
【作者單位】： 安徽理工大學(xué)電氣與信息工程學(xué)院;阜陽(yáng)師范學(xué)院計(jì)算機(jī)與信息工程學(xué)院;
【基金】：Project supported by the"Twelfth Five-year"National Science and Technology Support Projects(2013BAK06B01) the National Science Foundation Project of China(51174258) the National Safe Production Critical Incident to Key Technologies Science and Technology Project(anhui-0001-2016AQ) the Provincial Natural Science Research Project(KJ2015A278,KJ2015A295) the College Young Talent Support Plan(gxyqzd2016194)
【分類號(hào)】：TD745

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 殷曉曦;許光泉;桂和榮;陳陸望;;系統(tǒng)聚類逐步判別法對(duì)皖北礦區(qū)突水水源的分析[J];煤田地質(zhì)與勘探;2006年02期

2 陳俊環(huán);;水化學(xué)資料在煤礦突水水源判別中的應(yīng)用[J];河北煤炭;2013年02期

3 張樂中;曹海東;;利用水化學(xué)特征識(shí)別桑樹坪煤礦突水水源[J];煤田地質(zhì)與勘探;2013年04期

4 子牛;;《用水化學(xué)方法快速預(yù)測(cè)突水水源的研究》成果通過鑒定[J];煤田地質(zhì)與勘探;1991年01期

5 白海波;孟巴礦“4·5”突水水源判斷和治理[J];江蘇煤炭;1998年04期

6 佟鳳健,郭愛民,孟新華,朱澤虎;用水化學(xué)分析法判別井下突水水源[J];煤礦開采;1999年04期

7 王毅;許光泉;何吉春;施安才;;灰色關(guān)聯(lián)分析方法在突水水源判別中的應(yīng)用[J];地下水;2013年06期

8 劉可勝;;謝橋礦東風(fēng)井突水水源分析[J];科技信息(學(xué)術(shù)研究);2007年35期

9 潘婧;錢家忠;馬雷;;基于離差加權(quán)的煤礦突水水源判別模型及應(yīng)用[J];煤田地質(zhì)與勘探;2010年01期

10 朱衍利;石磊;李萬(wàn)業(yè);郭英明;;水化學(xué)特征分析法在突水水源判別中的應(yīng)用[J];山東煤炭科技;2010年01期

相關(guān)會(huì)議論文 前4條

1 丁麗云;劉平;金呂鋒;桂和榮;胡友彪;;新集五礦井筒突水水源分析[A];紀(jì)念礦井地質(zhì)專業(yè)委員會(huì)成立二十周年暨礦井地質(zhì)發(fā)展戰(zhàn)略學(xué)術(shù)研討會(huì)專輯[C];2002年

2 李小雪;;水質(zhì)分析在煤礦突水水源判別中的應(yīng)用[A];煤礦水害防治技術(shù)研究——陜西省煤炭學(xué)會(huì)學(xué)術(shù)年會(huì)論文集（2013）[C];2013年

3 趙振中;;13071采煤工作面突水水源分析與治理技術(shù)[A];中國(guó)煤炭資源現(xiàn)狀與勘探開發(fā)利用技術(shù)進(jìn)展及環(huán)境保護(hù)——中國(guó)地質(zhì)學(xué)會(huì)、中國(guó)煤炭學(xué)會(huì)煤炭田地質(zhì)專業(yè)委員會(huì)2004年學(xué)術(shù)交流會(huì)論文集[C];2004年

4 汪子勇;孟凡良;;擋水墻的設(shè)計(jì)與施工[A];全國(guó)礦山建設(shè)學(xué)術(shù)會(huì)議論文選集（下冊(cè)）[C];2004年

相關(guān)重要報(bào)紙文章 前1條

1 苑瑋　譚效林;為國(guó)家挽回價(jià)值12—14億元原煤資源[N];中煤地質(zhì)報(bào);2010年

相關(guān)碩士學(xué)位論文 前10條

1 金洲洋;新集一礦突水水源綜合判別模型研究[D];安徽理工大學(xué);2016年

2 張開遠(yuǎn);基于激光誘導(dǎo)熒光的煤礦突水水源識(shí)別系統(tǒng)的研制[D];安徽理工大學(xué);2016年

3 王仲陽(yáng);鶴壁礦區(qū)利用水化學(xué)成分識(shí)別突水水源建模研究[D];河南理工大學(xué);2014年

4 徐冬冬;鴨口井田地下水化學(xué)特征及突水水源判別研究[D];西安科技大學(xué);2012年

5 周春寅;基于地下水三維水化學(xué)場(chǎng)的突水水源判別模型研究[D];合肥工業(yè)大學(xué);2013年

6 李德強(qiáng);葛泉礦東井突水水源快速判別技術(shù)研究與應(yīng)用[D];河北工程大學(xué);2010年

7 崔佳星;邢臺(tái)礦地下水化學(xué)特征及突水水源判別模型研究[D];河北工程大學(xué);2012年

8 關(guān)秋紅;新莊孜井田地下水化學(xué)特征及突水水源快速判別模型[D];合肥工業(yè)大學(xué);2009年

9 楊梅;基于GIS的淮南老礦區(qū)地下水環(huán)境特征及突水水源判別模型[D];合肥工業(yè)大學(xué);2008年

10 張秀云;基于GIS的丁集煤礦地下水水化學(xué)特征分析及突水水源快速判別[D];合肥工業(yè)大學(xué);2014年

，

本文編號(hào)：1743976