基于改进的SSA-BP神经网络的矿井突水水源识别模型研究

机器学习与寻优算法的结合在矿井突水水源识别上得到广泛应用,但突水水样数据具有随机性且寻优算法易陷入局部最优,提高模型泛化能力和跳出局部最优需进一步研究。针对上述问题,提出了一种改进的麻雀搜索算法(SSA)优化BP神经网络模型,用于对矿井突水水源进行定量辨识。以鲁能煤电股份有限公司阳城煤矿为研究对象,通过常规离子浓度分析、Piper三线图对该煤矿水样的水化学特征进行分析,初步判断矿井水来源于奥灰含水层和三灰含水层,并确定Na^(+)+K^(+)浓度、Ca^(2+)浓度、Mg^(2+)浓度、HCO_(3)^(-)浓度、SO_(4)^(2-)浓度、Cl^(-)浓度、矿化度、总硬度、pH值作为突水水源识别指标;建立基于改进SSA-BP神经网络的矿井突水水源识别模型:首先进行SSA参数设置,引入Sine混沌映射使麻雀种群均匀分布,然后通过计算适应度值进行麻雀种群的更新,引入随机游走策略扰动当前最优个体,如果满足终止条件,则获得最优BP神经网络权重和阈值,最后基于构建的BP神经网络,输出识别结果。研究结果表明:①改进的SSA-BP模型在训练集上的识别准确率达95.6%,在测试集上的识别准确率达100%。②改进的SSA-BP神经网络模型与BP神经网络模型、SSA-BP神经网络模型对比结果:BP神经网络模型误判率为5/18,SSA-BP神经网络模型的误判率为2/18,改进的SSA-BP神经网络模型误判率为0,迭代10次后趋于稳定,且与设定的目标误差相差最小,初始适应度值最优,识别结果可信度高。③将阳城煤矿5组矿井水水样数据作为输入层数据输入到训练好的模型中,矿井水水样的主要来源为奥灰含水层、三灰含水层和山西组含水层,模型识别结果与水化学特征分析的结论相互印证,实现了精准区分。

耦合主成分分析下煤矿矿井突水水源识别方法

煤矿矿井突水会导致矿井内部水位迅速上升,对煤矿生产造成严重影响,甚至导致煤矿停产。开展矿井突水水源识别可以及早发现突水风险,从而保障煤矿生产和矿工的生命安全。为此,提出一种耦合主成分分析下煤矿矿井突水水源识别方法。根据水源化学各组分间差异性确定突水水源判别指标变量,从煤矿矿井含水层随机选取18个水样化学信息,通过耦合主成分分析获得各水源组间相关性,提取4个重要的主成分表征所有样本信息特征,结合协方差矩阵、Fisher判别得到各类型水源组别的中心距离,识别出突水水源类型。实验结果表明,所提方法能够解决样本信息各变量间信息叠加问题,提升了突水水源识别准确率。

改进Fisher判别法的突水水源快速判别模型

为快速有效地判别矿井突水水源位置,预防水害事故的发生,根据平煤五矿实际水文地质特征,针对砂岩、太灰和寒灰含水层水质差异性,收集34组水样资料,并选取K^(+)+Na^(+)、Ca^(2+)、Mg^(2+)、SO_(4)^(2-)、Cl^(-)、HCO_(3)^(-)六大常规水化学离子作为判别因子,开展水化学特征分析;结合PCA降维统计算法,建立改进的Fisher水源判别模型,并利用待测样本对比改进前后Fisher模型的判别结果,同时将训练样本回代到改进模型中进行验证。结果表明,根据水化学类型无法准确区分寒灰水与太灰水;利用改进Fisher判别模型测试10组待测样本,判别准确率为100%,相较于基础Fisher模型,准确率提高了20%,应用改进Fisher判别模型可大幅提升水源识别准确率;已知训练样本的回代结果显示,改进Fisher判别结果与实际情况基本吻合。通过2种模型的对比分析,采用改进Fisher模型进行矿井水源识别准确率及可靠性高,具有一定研究价值,可为矿井水源识别提供新的思路。

BP神经网络判别模型在中关铁矿突水水源预测中的应用

中关铁矿属国内典型大水矿床,其地下水系统相对复杂,为保障工作人员的生命财产安全,需及时分析、准确预测矿井生产过程中突水水源。依据在中关铁矿三个开采水平面现有出水点采集水样的水质测试结果,分析中关铁矿地区水质特征,以BP神经网络判别模型建立矿井水源判别模型,根据测试结果数据分析,BP神经网络判别模型对于奥陶系灰岩水与闪长岩裂隙水判别正确率为100%、对于混水判别的正确率为80%。BP神经网络判别模型在中关铁矿突水水源预测中具有较高的准确性,为防治水提供理论依据。

Fisher判别法在矿井突水水源识别中的应用——以钱营孜煤矿为例

准确识别矿井突水水源对有效地预防矿井突水事故具有积极意义。本文以钱营孜矿为例,在系统分析矿井地质和水文地质条件的基础上,收集31个“四含水”、“砂岩裂隙水”、“灰岩水”共3类突水水源的常规水化学测试数据,利用Fisher判别原理,选取K+ + Na+,Ca2+,Mg2+,Cl-,SO42- ,HCO3-,pH值,总硬度,总碱度共9种判别指标(特征因子),筛选出K+ + Na+和Mg2+为特征因子,建立Fisher水源判别模型,并用回代的方式对判别模型进行判别效果检验,结果表明回判总正确率为100%,判别效果好。该模型可用于矿井突水水源预测。

PCA-BP神经网络在矿山岩溶突水水源判别中的应用研究

肥城煤田奥陶系灰岩水和徐家庄灰岩水水质十分相近,因此,导致该煤田矿井突水水源难以判别,为了解决这一问题,选取突水水源中F,Br,I,Rn和H3BO3等微量元素以及化合物质量浓度作为判别指标,利用SPSS软件进行主成分分析,并将所得主成分代入MATLAB软件,建立PCA-BP神经网络判别模型,对比PCA-BP神经网络模型与BP神经网络模型、系统聚类分析判别模型、Fisher判别分析模型的收敛速度和输出精度。结果表明:PCA-BP神经网络模型判别准确率为100%,具有输出结果精度高、误差小、收敛速度快、训练次数少等优点。该模型对于识别水质相近的灰岩突水水源具有一定应用价值。

基于PCA-ISSA-BP模型的矿井突水水源判别

为精准判别矿井突水水源,提出1种基于PCA-ISSA-BP模型的矿井涌水水源判别模型。选择孙疃煤矿不同含水层水的6种常规离子和pH值作为判别指标,首先使用主成分分析对7种指标进行降维处理;然后通过Sine混沌映射、融合正弦余弦算法和Lévy飞行策略改进SSA对BP模型进行参数寻优;最后在Matlab软件上编程实现模型的建立。结果表明:主成分分析降低了指标之间的相关性,提高了模型的判别精度,经过归一化处理和参数优化的BP神经网络模型能够跳出局部极小值点,且收敛速度有了较大的提升;与ISSA-BP、PCA-SSA-BP、PCA-PSOBP和PCA-BP模型相比,PCA-ISSA-BP模型具有更高的识别精度、更强的拟合能力以及更小的均方误差,能够更精准实现矿井突水水源的识别。

基于水化学特征分析的铜川某矿井突水水源判别

长期以来,矿井水害严重威胁着矿山的安全生产,快速、准确地判定矿井突水水源是矿井水害治理的关键。在收集铜川某矿井以往各含水层大量水质数据的基础上,选择地下水中含量较高的K^(+)+Na^(+)、Ca^(2+)、Mg^(2+)、SO_(4)^(2-)、HCO_(3)^(-)、C1^(-)等6种常规离子作为判别因子,通过软件绘制Piper三线图,分析各含水层水化学特征。第四系地下水与二叠系砂岩裂隙水水化学类型相似,老空水与其他含水层水质差别较大。采用模糊综合评判、灰色关联度分析方法分别构建判别模型,判别准确率80%左右,对未知突水水源进行分析,结合矿井水文地质条件,判别突水来源于二叠系砂岩水。

基于水化学特征离子的混合水突水水源判别方法研究

为探索适用于沁新煤矿矿井突水混合水类型判断的方法,在水化学特征离子主成分分析突水水源的基础上,进行了不同类型水质混合实验研究,并绘制Piper三线图;再通过水样点在图中的分布位置,结合二元、三元混合模型,探讨矿区突水水质类型。结果表明,根据不同含水层在水化学特征上的差异,运用矿井水源混合模型,联合混合水实测值图表落点叠加的方法,判断突水水源的适用性好、简洁易懂、准确率较高,易于判明涌水主要来源。

模糊数学在矿井突水水源识别中的应用——以百善煤矿为例

矿井水害一直以来是制约我国煤炭生存发展的重要因素之一,快速、准确地判别矿井突水水源对保证矿井安全生产具有重要意义,有利于我国煤炭产业的发展。本课题以百善煤矿为例,针对百善煤矿四大类突水水源,即煤系水、三含水、四含水、太灰水,选取Na+ + K+、Ca2+、Mg2+、Cl−、SO42− 、HCO3− 共6大指标作为判别指标,通过运用模糊数学的方法,建立突水水源模糊识别模型,对矿井突水水源进行判别,并结合实际的煤矿水文地质资料对评判结果进行验证,得到模糊识别的正确率为78.57%,判别效果良好。最后利用该模型对百善矿未知水样进行判别,结果表明,模糊数学判别法在识别矿井突水水源具有一定的可行性,并具有判别精准度高、模型结构稳定的优点,为防治矿井突水提供了有力的依据。

基于Weka平台的矿井突水水源判别

矿井突水水源判别一直是涉及矿井安全开采的一项重要内容。本文基于Weka平台,选取潘二煤矿34组二叠系砂岩水样、灰岩水样、老空水样作为训练水样以及9组突水水样,并对水样中的水温、矿化度、碱度、纯硬度、离子含量进行整理,而后将数据进行归一离散化。采用朴素贝叶斯、多分类Logistic回归模型、MLP以及C4.5算法模型对34组水样进行训练,选择效果最好的模型对9组突水水样进行预测。结果表明:在混淆矩阵、详细精度、节点错误率上,MLP的训练结果均优于其他算法,MLP在9组突水水样的预测结果中,有8组正确,1组错误,准确率88.9%。

基于熵权-模糊可变集理论的煤矿井突水水源识别

在阐述熵权法和模糊可变集理论的基础上,针对平顶山煤田首山一矿和十三矿4个充水水源中所提取的23个水样,构建了识别矿井突水水源的数学模型,并利用该模型对8个水样进行了来源识别。结果表明:各类充水水源中Ka^++Na^+,Ca^(2+),Mg^(2+),Cl^-,SO_4^(2-)和HCO_3^-等6项化学指标值在区间特定值附近出现的概率比较高,可用模糊可变集理论识别突水水源;熵权法计算的Ka^++Na^+和Ca^(2+)权重值分别为0.270 8和0.371 3,远高于其他指标的权重值,且其权重值之和占64.21%,说明两项指标在矿井突水水源识别中起主要作用;8组水样识别时,除水样8识别结果不符合实际外,其余均与实际类型相符,其准确率为87.5%;对于平顶山煤田来说,识别模型中的优化准则参数a选取2时,熵权-模糊可变集模型识别突水水源的准确性更高;应依据丰富的时空水质检测数据来建立模型并及时应用新的资料予以修正,以保证所建识别模型符合实际并与时俱进。

基于主成分分析的矿井突水水源Bayes判别模型

矿井突水严重威胁矿区安全生产,快速准确地判别突水水源,对有效防治矿井突水灾害有重大意义。根据鹤壁矿区6个主要含水层水化学成分的差异性,选取了Ca2+、Mg2+、Na++K+、CO2-3、HCO-3、Cl-、SO2-47个指标作为突水水源判别的评价因子,并选用鹤壁矿区294个水样作为学习样本,以Matlab为平台,先采用主成分分析法提炼出三个主成分Z1、Z2和Z3。然后把这3种主成分的值作为贝叶斯判别指标,建立了鹤壁矿区突水水源判别模型。利用该模型对鹤壁矿区随机选取22个突水水样进行水源判别,判别正确19个,错误3个,精度达到86%。判别错误的原因,主要是因为有的含水层水化学类型相似或者几个含水层之间存在一定的水力联系。研究结果表明,基于主成分分析的矿井突水水源Bayes判别模型能够满足矿井生产要求,可为防治水工作提供决策依据。

系统聚类逐步判别法对皖北矿区突水水源的分析

以Ca2+、Mg2+、K++Na+、Cl-、SO42-、CO32-、HCO3-、pH值与TDS的测试结果为指标,对皖北矿区四含、煤系、太灰、奥灰4个主要突水含水层系统分别进行聚类分析。在此基础上,筛选出能代表各含水层水化学特征的水样进行逐步判别分析,并从中选出了SO42-与TDS两种标型组分,建立了皖北矿区突水水源的判别模型,该模型具有较好的判别效果。

矿井突水水源判别的多组逐步Bayes判别方法研究

矿井突水是采矿过程中最具威胁的自然灾害之一。能否准确快速地判别矿井突水水源,不仅是矿井水文地质工作的主要内容,而且是煤矿防治水工作的重要基础。为了有效判别矿井突水水源,综合考虑水化学指标对水源判别的重要性,基于多组逐步Bayes判别分析理论,选取Na++K+、Ca2+、Mg2+、Cl-、SO42-和HCO3-共6项指标作为判别因子,利用国内某矿区各主要含水层的35个水样的水质资料作为训练样本,建立了矿井突水水源预测的多组逐步Bayes判别分析模型。实例分析表明,该模型结果与实际情况相符合,说明该模型在矿井突水水源判别中具有良好的实用性和有效性,为判别矿区新的突水水源提供了一种新思路。

主成分分析与Bayes判别法在突水水源判别中的应用

准确有效地判别突水水源是解决矿井水害的前提条件。基于淮北袁店二矿各含水层共59个水样水质化验资料,利用主成分分析法,计算各水样的因子得分,并进行系统聚类,剔除错误样本。利用剩余水样作为学习样本,检验Bayes判别函数的判定准确性,得出准确率为92.5%,并进行交叉验证。利用该判别函数对某工作面底板下一富水区水样进行判别,结果与实际情况吻合。结果指示基于主成分分析与Bayes判别法较单一Bayes判别法更加准确,能够消除样本变量之间的相互影响,实现对突水水源的快速有效判别。

临涣矿区突水水源标型微量元素及其判别模型

利用示踪不同含水层水文地球化学特征的标型微量元素捕捉突水预兆期内的水文地球化学信息,建立判别模型分析煤矿重大突水水源,具有重要的理论与实践意义。本课题利用任楼井田及所在临涣矿区其他生产矿井的长观孔、矿井出水点从上而下分别取第四系第四含水层、二叠系煤系砂岩含水层、石炭系太原组岩溶含水层及奥陶系岩溶含水层24个水样,测试了24种微量元素含量。通过分析4类主要突水含水层微量元素含量与聚类规律,得到了Be、Zn、Ga、Sr、U、Zr、Cs、Ba8种主要突水含水层的标型微量元素,建立了以标型微量元素作为解释变量的突水水源Bayes线性判别模型。以24个水样为训练样本,得到模型判别正确率达到了80%,并分析了区域水循环与水文地球化学演化对判别模型效果具有一定程度的控制作用。

矿井突水水源判别方法概述

矿井突水灾害造成巨大的经济损失和人员伤亡,严重阻碍着我国煤炭行业的发展。一旦发生突水,及时准确地查明突水水源是解决和进一步预防突水灾害的前提,因此选择合适的判别方法是快速高效判别突水水源的关键,本文对近些年来判别矿井突水水源的各种方法进行探讨,概述各种方法的原理、应用现状及其适用条件,为保障矿井安全生产的防治水工作提供决策依据。

基于投影寻踪技术的矿井突水水源判别模型——以新庄孜煤矿为例

投影寻踪是一种降维处理技术,它可以将高维分析问题通过投影方向转化为低维问题分析。应用该法的关键在于寻求最佳投影方向,这可以转化为一个复杂的非线性优化问题,结合Matlab的遗传算法工具箱进行优化求解。本文以淮南新庄孜煤矿为例,建立突水水源判别投影寻踪模型,并与模糊综合评判模型、神经网络模型、灰色聚类模型进行分析比较。结果表明:投影寻踪判别模型能够有效地判别突水水源,比模糊综合评判、神经网络模型、灰色聚类模型具有更高的准确性,为矿井突水水源判别提供了一个新途径。

基于GIS和水质水温的矿井突水水源快速判别

针对淮南潘谢矿区新生界下含松散孔隙水与石炭系太原组石灰岩岩溶裂隙水水质接近的特殊情况,提出了基于GIS和水质水温的矿井突水水源快速判别方法。该法是利用测温钻孔的温度-深度拟合结果,构建基于GIS的利用水温识别突水水源的模型,并将其判别结果与基于水质的模糊综合评判计算的结果相结合,综合判别矿井突水水源。本法应用于潘一煤矿86-1号突水判别,实例结果显示,该法可以较好地适用于水质判别效果不佳,而含水层之间存在较大的地温差(埋深差)情况下的突水水源识别。