為提高煤與瓦斯突出預測的準確性,基于判別分析理論,通過逐步判別法篩選出瓦斯放散初速度、瓦斯壓力、軟分層厚度3個煤與瓦斯突出敏感指標作為突出判別因子,將煤與瓦斯突出危險性分為4個等級作為Bayes判別分析的4個正態(tài)總體,建立了煤與瓦斯突出預測的Bayes-逐步判別分析模型。利用該判別模型對20個煤與瓦斯突出實例進行訓練學習得出相應的判別函數(shù),用回代估計的方法進行逐一驗證,其誤判率為0。將建立的判別模型應用于8個突出實例進行判別預測,其結(jié)果與實際情況完全吻合。 

【文章來源】：中國礦業(yè). 2020,29(02)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
1 Bayes判別分析法
    1.1 Bayes判別分析法基本原理
    1.2 多元正態(tài)總體的Bayes判別分析法
    1.3 Bayes判別準則顯著性檢驗
2 煤與瓦斯突出預測的Bayes-逐步判別模型
    2.1 判別因子的選取
    2.2 Bayes判別函數(shù)的建立
    2.3 Bayes判別效果顯著性檢驗
3 工程應用
4 結(jié)論


【參考文獻】：
期刊論文
[1]吸附瓦斯含量對煤與瓦斯突出的影響與能量分析[J]. 王漢鵬,張冰,袁亮,李清川,李術(shù)才,薛俊華,周偉,周杰.  巖石力學與工程學報. 2017(10)
[2]煤與瓦斯突出關(guān)鍵結(jié)構(gòu)體致災機制[J]. 舒龍勇,王凱,齊慶新,樊少武,張浪,范喜生.  巖石力學與工程學報. 2017(02)
[3]基于灰色-神經(jīng)網(wǎng)絡(luò)的新安煤田煤與瓦斯突出強度預測[J]. 史廣山,王春光,高志揚,冉小勇.  煤礦安全. 2015(09)
[4]逐步判別分析法在篩選泥石流評價因子中的應用[J]. 孟凡奇,李廣杰,李明,馬建全,汪茜.  巖土力學. 2010(09)
[5]煤與瓦斯突出危險性電磁輻射異常判識方法[J]. 撒占友,何學秋,王恩元.  煤炭學報. 2008(12)
[6]煤與瓦斯突出灰色-神經(jīng)網(wǎng)絡(luò)預測模型的建立及應用[J]. 苗琦,楊勝強,歐曉英,陳祖云.  采礦與安全工程學報. 2008(03)
[7]煤與瓦斯突出預測層次分析-模糊綜合評判方法[J]. 郭德勇,范金志,馬世志,王儀斌.  北京科技大學學報. 2007(07)
[8]基于灰色系統(tǒng)理論的煤與瓦斯突出預測[J]. 景國勛,張強,周愛桃.  中國安全科學學報. 2004(08)



本文編號：3523052