预测泥石流易发性等级的多元统计Bayes判别

泥石流是自然及人类活动共同作用影响下的一种山区地质灾害,具有突发性、流速快、流量大及破坏力强等特点,泥石流易发性评价是灾害预测预报和减灾防灾工作中的重要内容。基于因子分析法将影响泥石流易发性等级的指标降维提取几个具有代表性的公因子,将因子得分进行欧氏聚类分析,剔除相似度较低的错误样本,将剩余具有相似的基本特征的几种同类型泥石流,根据Bayes最大后验概率规则,创建基于多元统计Bayes判别原理的泥石流易发性评价模型,并对其易发性等级判别结果的准确性进行了验证。结果表明:将唐山北部地区12条泥石流指标的公因子得分代入判别式中,得到泥石流易发性等级与实际等级对比结果一致,表明基于因子分析和聚类分析两种多元统计分析方法建立的多元统计Bayes判别模型是合理可行的,评价结果与实际情况具有较好的一致性,为泥石流易发性研究提供了一种新的研究手段。

基于Bayes判别分析模型的风化基岩富水性预测

风化基岩含水层是陕北侏罗纪煤田煤炭开采的主要充水含水层,风化基岩含水层富水性的分区预测是矿井防治水的关键。以红柳林井田中西部为研究区,在分析影响风化基岩富水性控制因素的基础上,选取了风化基岩厚度、岩心采取率、风化程度、岩性组合、风化基岩顶面标高以及砂基比6个因素作为判别指标,以研究区内41组有效风化基岩钻孔抽水试验数据以3∶1的随机分配方式作为训练样本及验证样本,构建了富水性Bayes判别分析模型;采用该模型对红柳林井田中西部未进行过抽水试验钻孔的风化基岩富水性类别进行了预测,得到了风化基岩富水性预测图。结果表明:研究区西一盘区内整体富水性相对较强,强富水性区空间分布不均;北二盘区及南二盘区大部分区域富水性相对较弱;极弱富水性区分布于东南部。通过与实际生产中工作面涌水量及出水点位置对比,该富水性分区预测结果与实际吻合。

Bayes判别分析在预测剖宫产术后子宫瘢痕妊娠患者结扎子宫动脉的应用

目的探讨Bayes判别分析用于瘢痕妊娠患者(CSP)结扎子宫动脉风险预测的临床效果。方法收集2018年6月至2020年10月深圳市中西医结合医院73例未结扎与87例结扎子宫动脉的CSP患者,纳入手术有关因素,通过单因素分析筛选差异变量,采用logistic回归分析模型进行回归分析;利用受试者工作特征(ROC)曲线分析指标预测结扎子宫动脉的价值,将选取变量带入Bayes判别模型中得到判别函数并对其进行检验。结果最终纳入判别方程的变量为:孕囊与瘢痕关系(a1),子宫瘢痕处肌层厚度(a2),瘢痕血流(a3),建立的Bayes判别函数:Y1=-7.138+3.259×a1+2.879×a2+0.035×a3;Y2=-7.239+5.169×a1+1.732×a2+2.166×a3;当Y1>Y2时归为不结扎子宫动脉;当Y1>Y2时归为不结扎子宫动脉;当Y1<Y2时归为结扎子宫动脉,对判别函数进行检验,结果内外部符合率均达到80%以上。结论Bayes判别方程可从统计学角度对CSP患者结扎子宫动脉进行进行初步预测。

基于Bayes判别构建吉林省玉米干旱发生等级动态预警模型

利用吉林省1961-2020年逐日气象资料和1980-2019年玉米发育期数据,采用水分亏缺指数构建玉米生长季逐日干旱等级序列,并分析玉米干旱发生规律。通过秩相关分析和Bayes判别分析,构建吉林省玉米干旱发生等级动态预警模型,并对其进行评估及应用。结果显示:吉林省中西部和东部的延边州是典型玉米干旱区,播种-出苗、拔节-抽雄是玉米干旱高发时段。在典型玉米干旱区,春旱动态预警模型预测基本准确率大致介于60%~90%,卡脖旱动态预警模型预测基本准确率普遍介于80%~100%。各分区玉米生长季干旱等级预警模型的平均预测基本准确率均超过90%,不同发育阶段干旱等级预警效果东部优于中西部。对于2020年玉米干旱过程,春旱预警模型预测准确率为55.7%~78.7%,卡脖旱预警模型预测准确率为60.7%~80.3%;模型预警等级与实际旱情发生等级基本一致的准确率在91%以上,说明基于Bayes判别的玉米干旱等级预警模型在吉林省应用效果较好。

基于Bayes判别分析方法的地下工程岩爆发生及烈度分级预测

在岩爆发生和烈度分级预测的距离判别分析模型的基础上,结合地下工程岩爆的特点和Bayes判别分析理论,提出了地下工程岩爆发生及烈度分级预测的Bayes判别分析方法。综合分析影响岩爆主要因素,选取最大切向应力σθ、岩石抗压强度σc、岩石抗拉强度σt和弹性能量指数Wet作为判别因子建立岩爆预测的Bayes判别分析模型,并利用回代估计法对误判概率进行估计。利用国内外一些重大深部地下工程实例作为学习的样本进行训练建模,经过训练后的模型回判估计的误判率为0。利用该模型对国内3处典型的隧道岩爆情况进行预测,结果与实际情况符合得很好。研究结果表明,Bayes判别模型在岩爆发生可能性及烈度分级预测中具有良好的适用性和有效性。

基于模糊C均值聚类与Bayes判别的致密油储层分类评价

为解决常规致密油储层因缺乏岩心分析资料而难以进行储层分类评价的难题,通过优选属性参数,应用模糊C均值算法划分致密油储层最优类别,再运用Bayes判别分析法建立储层类别与常规测井属性的关系式,利用常规采油井的测井属性判别储层的类别。现场实践应用表明:利用该方法划分的鄂尔多斯盆地志丹地区长7Ⅱ^6、长7Ⅰ^2射孔砂体储层类别与试油结果一致,研究区203口井储层划分吻合率为89.7%。该研究对高效开发致密油藏具有一定的指导意义。

边坡稳定性预测的Bayes判别分析方法及应用

边坡稳定性的分析是一个复杂的系统工程问题。基于Bayes判别分析(BDA)理论并结合工程实际,选用边坡岩体的重度黏聚力、摩擦角、边坡角、边坡高度及孔隙压力比等6个指标作为边坡稳定性预测的判别因子,建立边坡稳定性预测的Bayes判别分析模型;以32组边坡实测数据作为学习样本进行训练,建立Bayes线性判别函数;以交差确认估计法对判别准则进行评价以检验模型的优良性,以Bayes线性判别函数计算7个待判样品的Bayes判别函数值。研究表明:Bayes判别分类性能良好,与支持向量机方法有较好的一致性,且预测精度高,交差确认估计的误判率较低,为边坡稳定性预测提供了一种新思路。

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。

Bayes判别分析方法在岩性识别中的应用

针对复杂储层岩性识别难度较大的情况,引入Bayes数理统计方法,把采用测井资料来划分岩性,看作是一种类别判别问题,通过计算样本的后验概率大小来判别样品类别的归属。实际应用结果表明,将Bayes判别应用于复杂岩性的划分,效果良好。

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。

基于Bayes判别分析法的密云县山洪泥石流预报模型

针对密云水库上游密云县境内山洪泥石流灾害多发的特点,首次将Bayes判别分析法原理运用于自然灾害的预测预报。运用系统科学和山洪泥石流预报原理,对密云水库上游密云县境内影响山洪泥石流发生的系统内部要素和系统外部环境条件进行分析,确定用影响山洪泥石流发生的前15 d的实效雨量和当日雨量作为预报模型因子,并建立起一组山洪泥石流预报模型,经自身验证法和交互验证法对模型进行检验,其判断正确率均为82.4%,达到了Bayes判别分析要求的判别模型自身验证正确率>80%的要求,两种方法检验结果一致,模型表现稳定,表明所建立的模型可靠,可以投入使用。研究结果可为该地区的山洪泥石流预测预报提供一种较为简单易行的方法,为密云县山洪泥石流灾害防治提供一定的支撑,以减少山洪泥石流发生所导致的灾害损失。

公路隧道水害倾向性分级的Bayes判别法及应用

为提高公路隧道整体安全性能,保障人员安全,减少财产损失,避免公路隧道水害事故的发生,将Bayes判别理论应用于公路隧道水害倾向性判别和分级中。采用影响隧道水害发生的隧道区渗透系数、降水情况、单位涌水量、构造断裂带类型、围岩分级、隧道施工情况、防排水措施情况等7项指标作为基本判别因子;将公路隧道水害倾向性分为4个等级作为Bayes判别分析的4个正态总体。以采自典型的20组公路隧道的实测数据为训练样本,建立公路隧道水害倾向性分级的Bayes判别函数。对训练后的模型运用交叉确认估计法进行验证,然后运用该模型对6条待检验的公路隧道样本的水害倾向性进行分级。研究结果表明:构建的Bayes判别分析模型误判率极低,分级效果合理有效,可以运用于公路隧道水害倾向性的分级中,有利于公路隧道水害的预防和治理。

Bayes判别信用评价模型及其应用研究

本文在简要综述了上市公司信用评级的研究现状,特别是基于判别分析方法的信用评价模型的研究与应用的基础上,引入Bayes判别法则(最小ECM法则),在总体协方差相等和不等的不同假设下建立两类模式分类的信用评价模型;并运用该模型对我国2000年106家上市公司进行模式识别训练及分类的实证,计算其明显误判率(APER)和期望真实误判率(E(AER)),最后讨论了的该评价模型的性能。

矿山硫化矿自燃倾向性分级的Bayes判别法及应用

为实现高硫矿床的安全开采,将Bayes判别分析理论应用于矿山硫化矿自燃倾向性的等级判别与分类中。选取反映硫化矿自燃特性的低温氧化质量增加率、自热点温度、自燃点温度这3项指标作为基本判别因子;将硫化矿自燃倾向性分为3个级别作为Bayes判别分析的3个正态总体。以采自典型矿山的20组代表性矿样的实测数据作为训练样本,建立硫化矿自燃倾向性分级的Bayes判别函数。利用交叉确认估计法对训练后的模型进行检验,最后运用该模型对7个待检验矿样的自燃倾向性进行分级。研究结果表明:经训练后的Bayes判别分析模型误判率很低,分类性能良好,可以用于矿山硫化矿自燃倾向性的等级分类。

基于Bayes判别理论的地下水化学分类的分析方法

将Bayes判别分析方法应用于地下水化学类型判别与分类中,建立了地下水化学类型综合评判的Bayes判别分析模型。模型选用Na++K+、Ca2+、Mg2+、HCO-3、Cl-、SO42-等6个指标作为判别因子;将地下水化学类型分为3种,作为Bayes判别分析的3个正态总体;以内蒙古河套灌区地下水实测数据作为训练样本,建立Bayes线性判别函数;以Bayes线性判别函数计算待判样品的Bayes判别函数值,以最大值对应的总体作为样品所归属的总体;最后以刀切法对判别准则进行评价以检验模型的优良性。结果表明,Bayes判别分析模型误判率低,识别正确率达82.5%,输出结果正确率达86.6%。与传统分类方法相比,Bayes判别分析模型提供的判别分类结果,具有更明晰、易懂的水化学类型信息。

矿山地质环境安全评估的Bayes判别分析法及应用

从矿山地质环境的实际特性出发,应用Bayes判别分析方法评估矿山地质环境问题。选用13项影响矿山地质环境的区域地质条件、环境现状、矿产资源开发规划、生态恢复治理状况的具体评估指标,以大量实测资料作为学习样本,并按各总体的样本比例确定先验概率,建立了矿山地质环境评估的Bayes判别分析模型。将该模型用于预测样本的评估中,采用回代估计法对判别结果进行验证,误判率为零,判别结果和实际一致。研究结果表明,Bayes判别分析模型是一种结构稳定、判别准确率很高的评估模型,能够用于矿山地质环境的评估。

基于Bayes判别分析模型的水土保持区划

为了更加合理地对甘肃、宁夏、青海3省份的黄土丘陵沟壑区进行水土保持区划,基于Bayes判别分析理论建立水土保持区划的数学模型。结合甘肃、宁夏、青海3省份的自然条件,社会经济情况和水土资源流失特点,以垦殖率、林草覆盖率、人口密度、单位面积粮食产量、降雨量和蒸发量等6个指标作为区划判别因子。计算分析表明,该模型与按土壤侵蚀类型进行区划的效果一致,与甘肃、宁夏、青海地区实际区划情况吻合,准确率为100%,可在其他水土保持区划中进行推广。

煤巷围岩分类的Bayes判别分析法

选用影响煤巷围岩分类的主要6项指标作为Bayes判别分析模型的判别因子,以15组煤巷围岩实测数据作为学习样本进行训练,通过分析计算,建立了相应的线性判别函数,并利用回代估计方法对训练后的判别模型进行检验,其回判估计的误判率为0。利用该模型对3组煤巷围岩实测数据情况进行识别,其结果与实际情况完全一致,并与神经网络和支持向量机的预测结果进行对比。结果表明:Bayes判别分析法判别能力强,交叉确认估计的误判率低,是解决煤巷围岩分类的一种有效方法。

天然草地分类的Bayes判别分析法

基于多元统计分析理论,综合考虑天然草地的生态状况、可再生产能力和经济条件等因素,选择植被覆盖度、可食风干牧草产量、牧草利用率、草地可利用面积系数、草群中优良牧草比率和羊单位需草地面积6个参数作为判别因子,建立了天然草地分类的Bayes判别分析法。将天然草地分为温性荒漠类、温性草原类和低山地草甸类3个类别,并作为Bayes判别分析的3个正态总体,以新疆准噶尔盆地西部地区的31个天然草地为样本(其中18个为训练样本),以Bayes线性函数值和后验概率对样本所归属的总体进行识别,将建立的模型对训练样本进行回判,以回代误判率对模型进行检验。研究表明,Bayes判别分析模型可以很好地反映不同类型天然草地间的资源属性,对训练样本的回代误判率为0;对另外13个天然草地样本的分类结果与灰色关联度分析法、投影寻踪法、投影寻踪动态聚类法、集对分析法、SOFM神经网络法以及突变级数法等的分类结果基本一致。

Bayes判别分析全血细胞减少的分类诊断

背景:全血细胞减少的病因复杂,如能在骨髓穿刺检查前科学推断出患者病因的归类,显然有利于疾病的早期诊断并减少误诊的发生。目的:构建全血细胞减少分类诊断的判别函数。设计、时间及地点:判别分析,于2004-10/2008-02在解放军总医院第二附属医院血液科完成。对象:纳入107例初诊的全血细胞减少患者。方法:对全血细胞减少患者的临床资料进行回顾性分析,考察变量为伴随症状、体征和各项检验结果共15项指标,应用SAS软件构建定性资料的Bayes判别函数。主要观察指标:考察变量为血常规3项、血沉、乳酸脱氢酶、C反应蛋白、淋巴细胞比例、网织红细胞、平均红细胞体积、发热、出血、骨关节痛、肿大、水肿及皮疹等15项指标。结果:最后确诊造血系统疾病92例(86%),其中恶性血液病52例(48.3%),非恶性血液病40例(37.7%),非造血系统疾病共15例(14%)。按构成比从高到低顺序排列前6位疾病为骨髓增生异常综合征(28.0%)、再生障碍性贫血(15.7%)、急性白血病(11.1%)、自身免疫病(11.1%)、巨幼细胞性贫血(8.3%)、淋巴瘤及多发性骨髓瘤(6.4%)。利用判别得分将已确诊的20例患者资料回代入判别函数,结果总体判别正确率达85%。结论:Bayes判别分析在全血细胞减少类疾病的鉴别诊断中能用于初步筛查,协助早期确诊。