本文選題：礦井突水 + 水源識別��； 參考：《煤炭學報》2017年09期

【摘要】：在煤礦突水災害防治過程中,需要快速準確地識別出突水水源類型。激光誘導熒光技術(shù)具有靈敏度高和快速監(jiān)測的特點,利用該技術(shù)獲取水樣的熒光光譜。光譜經(jīng)卷積平滑預處理和主成分分析提取特征信息后,采用極限學習機算法建立多元分類學習模型。確定隱含層激勵函數(shù)為Sigmoid函數(shù),并通過交叉驗證法確定最優(yōu)隱含層節(jié)點個數(shù)。從訓練網(wǎng)絡的平均時間、訓練和測試的平均分類準確率和標準差方面,與BP和SVM傳統(tǒng)分類算法進行了性能比較。結(jié)果表明:在訓練集和測試集上的平均分類準確率方面,該模型與傳統(tǒng)分類模型基本一致,但該模型分類準確率的標準差最小,說明其具有較穩(wěn)定的分類性能;在訓練模型學習時間方面,該模型能夠大幅度降低分類學習時間,說明其具備快速識別突水水源性能。
[Abstract]:In the process of prevention and treatment of water inrush disaster in coal mine, it is necessary to identify the type of water inrush water source quickly and accurately. Laser induced fluorescence technique has the characteristics of high sensitivity and rapid monitoring. After the spectral information was extracted by convolution smoothing and principal component analysis (PCA), the multivariate classification learning model was established by extreme learning machine (LLM) algorithm. The hidden layer excitation function is determined as Sigmoid function and the optimal number of hidden layer nodes is determined by cross-validation. The average time of training network, the average classification accuracy and standard deviation of training and testing are compared with the traditional classification algorithms of BP and SVM. The results show that the model is basically consistent with the traditional classification model in terms of the average classification accuracy on the training set and the test set, but the standard deviation of the classification accuracy of the model is the minimum, which indicates that the model has stable classification performance. In terms of learning time of training model, the model can greatly reduce the learning time of classification, which shows that the model has the capability of identifying water inrush water sources quickly.
【作者單位】： 安徽理工大學電氣與信息工程學院;阜陽師范學院計算機與信息工程學院;中國礦業(yè)大學資源與地球科學學院;淮南礦業(yè)集團謝橋煤礦;
【基金】：“十二五”國家科技支撐計劃資助項目(2013BAK06B01) 國家安全生產(chǎn)重大事故防治關(guān)鍵技術(shù)科技資助項目(anhui-0001-2016AQ) 安徽省自然科學研究基金資助項目(KJ2015A278)
【分類號】：TD745.2

【參考文獻】

相關(guān)期刊論文 前9條

1 王亞;周孟然;閆鵬程;何晨陽;劉棟;;PCA-BP模型在判別基于LIF技術(shù)煤礦突水水源的應用（英文）[J];光譜學與光譜分析;2017年03期

2 徐星;郭兵兵;王公忠;;人工神經(jīng)網(wǎng)絡在礦井多水源識別中的應用[J];中國安全生產(chǎn)科學技術(shù);2016年01期

3 劉劍民;王繼仁;劉銀朋;吳浩;周碧輝;;基于水化學分析的煤礦礦井突水水源判別[J];安全與環(huán)境學報;2015年01期

4 鄧清海;曹家源;張麗萍;林永霞;張丹丹;;基于主成分分析的礦井突水水源Bayes判別模型[J];水文地質(zhì)工程地質(zhì);2014年06期

5 褚小立;陸婉珍;;近五年我國近紅外光譜分析技術(shù)研究與應用進展[J];光譜學與光譜分析;2014年10期

6 武強;崔芳鵬;趙蘇啟;劉守強;曾一凡;谷亞威;;礦井水害類型劃分及主要特征分析[J];煤炭學報;2013年04期

7 楊仁杰;尚麗平;鮑振博;何俊;鄧琥;劉玉樂;;激光誘導熒光快速直接檢測土壤中多環(huán)芳烴污染物的可行性研究[J];光譜學與光譜分析;2011年08期

8 黃平華;陳建生;;基于多元統(tǒng)計分析的礦井突水水源Fisher識別及混合模型[J];煤炭學報;2011年S1期

9 閆志剛;白海波;;礦井涌水水源識別的MMH支持向量機模型[J];巖石力學與工程學報;2009年02期

【共引文獻】

相關(guān)期刊論文 前10條

1 王亞;周孟然;閆鵬程;胡鋒;來文豪;楊勇;張延喜;;基于極限學習機的礦井突水水源快速識別模型[J];煤炭學報;2017年09期

2 王心義;趙偉;劉小滿;王甜甜;張建國;郭建偉;陳國勝;張波;;基于熵權(quán)-模糊可變集理論的煤礦井突水水源識別[J];煤炭學報;2017年09期

3 徐星;田坤云;王公忠;孫光中;;Elman神經(jīng)網(wǎng)絡在礦井突水水源判別中的應用[J];安全與環(huán)境學報;2017年04期

4 穆敏杰;陳春祥;;煤炭開采沉陷地質(zhì)環(huán)境研究與治理[J];低碳世界;2017年23期

5 許鵬云;李晶;陳洲;葉紅齊;;紅外光譜分析技術(shù)在浮選過程中的應用研究進展[J];光譜學與光譜分析;2017年08期

6 黎靈;;礦井異常涌水水源綜合判定技術(shù)[J];煤礦開采;2017年04期

7 陳康;薛國強;陳衛(wèi)營;周楠楠;李海;;一種煤層頂板富水性快速評價方法[J];地球物理學進展;2017年04期

8 王思棟;鄧濤;張歷峰;孫家利;吳燾;史永理;宋桂蕓;;湖下深部開采下組煤底板突水危險性分區(qū)分級預測[J];煤炭科學技術(shù);2017年08期

9 康健;王鵬;焦冰君;代少軍;林井祥;唐志超;;礦井水害事故巷道淤泥快速凝結(jié)的實驗研究[J];黑龍江科技大學學報;2017年04期

10 郝宇軍;徐超;樊林林;劉江敏;;綜合探測方法在井下水害識別中的應用分析[J];能源與環(huán)保;2017年07期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 吳基文;徐勝平;翟曉榮;龔世龍;王大設;孫尚云;張治;;淮北桃園煤礦北八采區(qū)煤系砂巖水水化學特征及其水源判別[J];中國安全生產(chǎn)科學技術(shù);2015年01期

2 姚邦華;魏建平;王登科;王云剛;張宏圖;;司馬礦薄基巖區(qū)頂板突水危險性數(shù)值模擬研究[J];安全與環(huán)境學報;2014年04期

3 劉小滿;楊建;王世東;王心義;;平頂山十礦地下水中天然有機質(zhì)垂向分布特征[J];安全與環(huán)境學報;2014年04期

4 馮幫;陳斌;顏輝;;便攜式近紅外光譜檢測系統(tǒng)的開發(fā)[J];現(xiàn)代儀器與醫(yī)療;2014年02期

5 黃常毅;范海濱;劉飛;許贛榮;彭秀輝;;近紅外光譜法在紅曲菌固態(tài)發(fā)酵過程參數(shù)檢測中的應用[J];分析測試學報;2014年01期

6 楊金勇;李學春;黃安民;于仕興;王學順;;基于主成分分析與Fisher判別的NIR木材識別[J];東北林業(yè)大學學報;2013年12期

7 梁劍;劉斌美;陶亮之;吳躍進;;基于水稻種子近紅外特征光譜的品種鑒別方法研究[J];光散射學報;2013年04期

8 韓小珍;辛世華;王松磊;何建國;;高光譜在農(nóng)產(chǎn)品無損檢測中的應用展望[J];寧夏工程技術(shù);2013年04期

9 任靜;葛贊;周大鵬;唐志文;;近紅外光譜技術(shù)分析脂肪酰二乙醇胺中甘油的量[J];日用化學工業(yè);2013年06期

10 吳瑞梅;王曉;郭平;艾施榮;嚴霖元;劉木華;;近紅外光譜結(jié)合特征變量篩選方法用于農(nóng)藥乳油中毒死蜱含量的測定[J];分析測試學報;2013年11期

【相似文獻】

相關(guān)期刊論文 前10條

1 張長文,付斌,徐毅;礦井突水問題的研究[J];煤炭技術(shù);2004年05期

2 程慧慧;秦晶晶;;礦井突水的災害及防治[J];科技創(chuàng)新導報;2008年32期

3 崔祥琨;郭盛彬;宋旭;;淺談礦井突水原因及其防治[J];科技資訊;2009年17期

4 李再興;張鳳鳴;龐良;韓國童;;有關(guān)礦井突水水源判別方法的探討[J];地下水;2009年05期

5 賈舒;;礦井突水災害分析與防治研究[J];山西焦煤科技;2011年02期

6 王目軍;王術(shù)睿;丁凌霄;;淺析礦井突水的預測方法[J];山西焦煤科技;2012年02期

7 吳進軍;;煤礦礦井突水的原因及防治措施[J];技術(shù)與市場;2014年04期

8 樊京周,李化玉,謝拂曉,潘國營;模糊概率法在識別礦井突水水源中的應用[J];中州煤炭;2000年06期

9 李明山,程學豐,胡友彪,路風光,禹云雷;用地下水水質(zhì)特征模型判別姚橋礦井突水水源[J];礦業(yè)安全與環(huán)保;2001年S1期

10 王連國,宋揚;礦井突水危險性評價模型[J];工程地質(zhì)學報;2001年02期

相關(guān)會議論文 前10條

1 楊新安;章夢濤;;礦井突水失穩(wěn)理論的初步探討[A];水電與礦業(yè)工程中的巖石力學問題——中國北方巖石力學與工程應用學術(shù)會議文集[C];1991年

2 楊新安;章夢濤;;巖石力學在研究礦井突水中的應用[A];首屆全國青年巖石力學學術(shù)研討會論文集[C];1991年

3 于師建;于紅;程久龍;;直流電法在礦井突水構(gòu)造優(yōu)勢面理論中的應用[A];1996年中國地球物理學會第十二屆學術(shù)年會論文集[C];1996年

4 文增生;史春芝;王軍;;沂源煤田魯村礦井突水危害分析與防治研究[A];第七屆全國煤炭工業(yè)生產(chǎn)一線青年技術(shù)創(chuàng)新文集[C];2012年

5 劉小康;;綜合注漿技術(shù)在礦井突水治理中應用[A];煤田地質(zhì)與可持續(xù)發(fā)展研究論文集[C];2003年

6 張春山;;中國礦井突水災害及其形成條件與規(guī)律[A];中國地質(zhì)科學院562綜合大隊集刊（第11-12號）[C];1994年

7 馮現(xiàn)大;李樹忱;李術(shù)才;李利平;;礦井突水模型試驗頂板離層破斷數(shù)值模擬研究[A];第2屆全國工程安全與防護學術(shù)會議論文集（上冊）[C];2010年

8 高雪;高伯賢;;盤龍礦井突水危險性分析及防治水思路[A];煤礦水害防治技術(shù)研究——陜西省煤炭學會學術(shù)年會論文集（2013）[C];2013年

9 崔邦軍;;神東礦區(qū)淺埋煤層礦井突水因素分析[A];煤礦水害防治技術(shù)研究——陜西省煤炭學會學術(shù)年會論文集（2013）[C];2013年

10 樂志軍;寧超;;朝川礦區(qū)礦井突水因素分析[A];中國煤炭學會礦井地質(zhì)專業(yè)委員會2008年學術(shù)論壇文集[C];2008年

相關(guān)重要報紙文章 前2條

1 郭儒;山西省煤炭地質(zhì)局礦井突水災害預警系統(tǒng)研究獲突破[N];中國礦業(yè)報;2011年

2 記者 胡文亮　通訊員 陳丹平 陳曉玫;山西局一國家科技支撐計劃項目通過驗收[N];中煤地質(zhì)報;2011年

相關(guān)博士學位論文 前3條

1 馮治東;礦井突水平行應急管理方法研究[D];西安建筑科技大學;2015年

2 唐守鋒;基于聲發(fā)射監(jiān)測的礦井突水前兆特征信息獲取方法的研究[D];中國礦業(yè)大學;2011年

3 張麗娟;基于OSG的礦井突水應急虛擬仿真系統(tǒng)關(guān)鍵技術(shù)研究[D];中國礦業(yè)大學（北京）;2014年

相關(guān)碩士學位論文 前10條

1 劉棟;基于激光誘導熒光技術(shù)的礦井突水監(jiān)測系統(tǒng)研究[D];安徽理工大學;2017年

2 張富凱;礦井突水水源判別系統(tǒng)的研究與設計[D];西安建筑科技大學;2011年

3 張洪姣;礦井突水三維可視化應急輔助救援信息系統(tǒng)研究[D];中南大學;2012年

4 焦保國;礦井突水災害預警系統(tǒng)的設計與實現(xiàn)[D];大連理工大學;2014年

5 張群利;基于多源信息融合的巖溶礦區(qū)礦井突水危險性評價[D];中國地質(zhì)大學;2011年

6 馬雷;基于GIS的礦井突水水源綜合信息快速判別系統(tǒng)[D];合肥工業(yè)大學;2010年

7 聶榮花;基于GIS的礦井突水水源識別算法研究[D];西安科技大學;2011年

8 魯金濤;基于PCA-MSA的礦井突水水源判別算法研究[D];中南大學;2013年

9 馮琳;基于EIM和FCE的礦井突水水源判別研究[D];太原理工大學;2015年

10 張東方;基于多傳感器信息融合的礦井透水水源識別研究[D];中國礦業(yè)大學;2014年

，

本文編號：2081028