本文關(guān)鍵詞：KNN結(jié)合PCA在激光誘導(dǎo)熒光光譜識(shí)別礦井突水中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：礦井突水的迅速識(shí)別與分類對(duì)于井下水災(zāi)防治工作有著重要的意義。提出一種KNN結(jié)合PCA運(yùn)用在激光誘導(dǎo)熒光光譜快速識(shí)別礦井突水水源中的新方法。利用激光器發(fā)射激光通過可浸入式探頭射入水樣,得到四種突水水樣共80組熒光光譜數(shù)據(jù),再分別對(duì)每組數(shù)據(jù)進(jìn)行預(yù)處理,處理后的數(shù)據(jù)中每種水樣取15組數(shù)據(jù)作為訓(xùn)練集,共60組,其余20組作為預(yù)測集。利用主成分分析(PCA)對(duì)數(shù)據(jù)進(jìn)行處理,之后在主成分分析的基礎(chǔ)上利用KNN算法進(jìn)行分類識(shí)別。實(shí)驗(yàn)過程中,各預(yù)處理方法在主成分個(gè)數(shù)為2的情況下,進(jìn)行KNN算法分類的正確率都達(dá)到100%。
【作者單位】： 安徽理工大學(xué)電氣與信息工程學(xué)院;
【關(guān)鍵詞】： KNN算法 PCA 激光誘導(dǎo)熒光 礦井突水 水源識(shí)別
【基金】：國家“十二五”科技支撐計(jì)劃重點(diǎn)項(xiàng)目(2013BAK06B01) 國家自然科學(xué)基金項(xiàng)目(51174258)資助
【分類號(hào)】：O657.3;TD74
【正文快照】： 類[11_12]。因此,本文利用LIF技術(shù)得到不同突水水源的分弓|言 類,再進(jìn)行PCA建模與KNN算法,識(shí)別未知的礦井突水水源。井下水災(zāi)是礦井重大災(zāi)害之一。井下水災(zāi)主要體現(xiàn)在突水,礦井突水現(xiàn)象一旦發(fā)生,在短時(shí)間內(nèi),會(huì)淹沒工作設(shè)備 1實(shí)驗(yàn)部分和礦井巷道,導(dǎo)致嚴(yán)重的經(jīng)濟(jì)損失,并且可能造

  本文關(guān)鍵詞：KNN結(jié)合PCA在激光誘導(dǎo)熒光光譜識(shí)別礦井突水中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：485628