為對礦井突水水源進行識別以減少礦井突水事故的發(fā)生,提出了粒子群（PSO）結(jié)合RBF核參數(shù)優(yōu)化的SVM模型,并使用核主成分分析法（KPCA）對選取水源特征指標進行高效降維.根據(jù)水源離子敏感性選取了8種水化學(xué)指標(K⁺、Na⁺、Mg²⁺、Ga²⁺、HCO₃^-、Cl^-、F^-、SO₄^2-)作為突水水源識別特征參數(shù).使用基于最大方差關(guān)聯(lián)度準則的核參數(shù)選擇方法并結(jié)合粒子群算法構(gòu)造參數(shù)優(yōu)化算法,使用參數(shù)優(yōu)選后的支持向量機模型對90組突水水源識別訓(xùn)練數(shù)據(jù)進行模型訓(xùn)練,用其余32組數(shù)據(jù)進行測試,模型實測效果與Logistic模型、PCA-Fisher模型以及PSO-SVM模型進行對比,結(jié)果表明:采用徑向基核函數(shù)優(yōu)化的支持向量機模型能夠選取較優(yōu)參數(shù),模型實測平均準確率為93.75%,誤差明顯低于其他模型,證明了該模型能精準且高效地識別礦井突水水源. 

【文章來源】：遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版). 2020,39(01)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

優(yōu)化流程

解釋度累計占比

使用權(quán)值矩陣對原始數(shù)據(jù)進行降維變換，變換后得到了4維特征（V1,V2,V3,V4）的樣本數(shù)據(jù)集，提取的主成分信息見表3，將4種類別樣本集依照4個特征指標繪制分布直方圖見圖3，從圖中可知約簡出的4種特征對于4類突水含水層的區(qū)分效果較好，例如V3和V4特征常出現(xiàn)在第四系含水層，使用約簡后的特征指標可以加快模型的運行效率，防止誤判現(xiàn)象發(fā)生.3.2 突水水源預(yù)測

【參考文獻】：
期刊論文
[1]基于KPCA-FDA方法的礦井突水水源判別研究[J]. 成榮秋,吳燕清.  煤炭技術(shù). 2018(11)
[2]有機-無機聯(lián)合礦井突水水源判別方法[J]. 楊建,劉基,靳德武,王強民.  煤炭學(xué)報. 2018(10)
[3]基于MIV-PSO-SVM模型的礦井突水水源識別[J]. 邵良杉,李相辰.  煤炭科學(xué)技術(shù). 2018(08)
[4]礦井突水水源識別的GA-SVM方法研究[J]. 張帝,孟磊,董飛,劉曉文,邵強.  煤炭技術(shù). 2018(04)
[5]基于PSOBP-AdaBoost模型的瓦斯涌出量分源預(yù)測研究[J]. 溫廷新,孫雪,孔祥博,田洪斌.  中國安全科學(xué)學(xué)報. 2016(05)
[6]礦井突水水源Logistic識別及混合模型[J]. 馮亞娟,崔寧,王丹.  遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版). 2015(11)
[7]模糊綜合評判法的改進及在水源判別中的應(yīng)用[J]. 李鳳蓮,馮琳,張雪英,王子中.  太原理工大學(xué)學(xué)報. 2015(04)
[8]RBF-SVM的核參數(shù)選擇方法及其在故障診斷中的應(yīng)用[J]. 周紹磊,廖劍,史賢俊.  電子測量與儀器學(xué)報. 2014(03)
[9]水化學(xué)綜合識別模式在礦井水源判別中的應(yīng)用[J]. 連會青,劉德民,尹尚先.  煤炭工程. 2012(08)
[10]基于主成分分析與Fisher判別分析法的礦井突水水源識別方法[J]. 魯金濤,李夕兵,宮鳳強,王希然,柳皎.  中國安全科學(xué)學(xué)報. 2012(07)



本文編號：3327986