在煤礦開采過程中,礦井突水事故嚴重威脅著煤礦安全生產(chǎn)和工人的生命安全。為了快速準確地判別礦井突水水源,達到有效預防水害事故的目的,基于KD-tree（K-dimension tree）與KNN（K-Nearest Neighbor algorithm,KNN）算法,建立了礦井突水水源判別方法。根據(jù)礦井中不同含水層的水化學特征的差異性,選取9種水化學成分作為突水水源的判別指標。采用主成分分析法（PCA）進行數(shù)據(jù)降維;進一步運用K維樹形結(jié)構(gòu)存儲訓練樣本,提高數(shù)據(jù)搜索效率,然后結(jié)合KNN算法進行突水水源判別。以蔚州礦區(qū)為例,采用礦區(qū)4個含水層的24組實測數(shù)據(jù)構(gòu)建模型,其中16組作為訓練樣本,另外8組為測試樣本,并與傳統(tǒng)KNN算法的判別結(jié)果進行對比。結(jié)果表明:KD-tree確定了離待測樣本最鄰近的3個訓練樣本,降低了KNN算法的計算復雜度。對比KD-tree與KNN相結(jié)合的新方法與傳統(tǒng)KNN算法的判別結(jié)果,新方法的準確率提高了25%,說明新方法能使判別結(jié)果更加快速準確。 

【文章來源】：礦業(yè)研究與開發(fā). 2020,40(12)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

KD-Tree結(jié)構(gòu)（K=2)

經(jīng)綜合分析，利用上述方法可從原始指標數(shù)據(jù)中提取出Y1、Y2兩個新的主要成分（見表3），兩者可以較好涵蓋9個原始指標中的關(guān)鍵信息，關(guān)系表達式如下：2.4 基于KD-Tree與KNN耦合算法實現(xiàn)

【參考文獻】：
期刊論文
[1]水下開采礦山突水滲透系數(shù)與改進伯格斯模型[J]. 顏丙乾,任奮華.  礦業(yè)研究與開發(fā). 2020(04)
[2]煤層底板突水危險性變權(quán)評價理論及其工程應用[J]. 李博,武強.  應用基礎與工程科學學報. 2017(03)
[3]煤層底板突水變權(quán)脆弱性評價模型參數(shù)靈敏度分析[J]. 李博,武強.  采礦與安全工程學報. 2015(06)
[4]模糊綜合評判法的改進及在水源判別中的應用[J]. 李鳳蓮,馮琳,張雪英,王子中.  太原理工大學學報. 2015(04)
[5]基于主成分分析與距離判別分析法的突水水源識別方法[J]. 宮鳳強,魯金濤.  采礦與安全工程學報. 2014(02)
[6]礦井水害類型劃分及主要特征分析[J]. 武強,崔芳鵬,趙蘇啟,劉守強,曾一凡,谷亞威.  煤炭學報. 2013(04)
[7]礦井涌水水源判別的GRA-SDA耦合模型[J]. 徐斌,張艷,姜凌.  巖土力學. 2012(10)
[8]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]. 黃平華,陳建生.  煤炭學報. 2011(S1)
[9]礦井涌水水源分析的支持向量機模型[J]. 閆志剛,杜培軍,郭達志.  煤炭學報. 2007(08)
[10]中國東北松嫩平原地下水水化學特征與演變規(guī)律[J]. 章光新,鄧偉,何巖,Ramsis Salama.  水科學進展. 2006(01)



本文編號：3072331