基于主成分分析和改进Bayes判别的岩爆等级预测

随着深部开采和地下空间的综合利用,岩爆灾害日益频发。为了提高岩爆预测的准确性,采用主成分分析法和改进贝叶斯(Bayes)判别法,选取岩石单轴抗压强度、脆性系数、岩石弹性能量等指标,建立岩爆综合预测模型。采用主成分分析法对原始数据进行预处理,消除相关性影响,满足Bayes判别条件,确定影响岩爆的主要因素;使用改进Bayes判别对岩爆烈度分级,在传统的Bayes模型基础上增加阈值修正,解决指标所属的类别分布不均、先验概率差距较大和后验概率位于分类边界附近出现误判的问题。研究结果表明,传统的Bayes判别预测样本的准确率达到93.18%,经过改进后大幅提高了模型的准确率和泛化能力,可为岩爆研究提供参考。

灰色关联度与改进的贝叶斯判别法在油气层识别中的应用

准确识别油气层是测井、录井解释的最终目的,为了提高解释准确率,首先通过灰色关联度分析优选测井、录井参数,继而对优选的测井、录井参数采用改进的Bayes判别法识别油气层。该方法可充分有效的利用测井、录井资料,避免了以往单一的利用测井或录井资料识别油气层符合率偏低的缺点,而采用改进的Bayes判别法识别油气层可以弥补Bayes判别法识别油气层时在距离计算过程中不能将各个自变量的权数选择与判别效率很好的联系起来的不足,从而进一步提高解释准确率。实验结果表明:先用灰色关联度分析优选参数,然后采用改进的Bayes判别法识别油气层的解释符合率平均达到82.38%。