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。

岩体质量分级的Bayes判别分析方法

将Bayes判别分析方法应用于岩体质量等级判别与分类中,建立了岩体质量综合评判的Bayes判别分析模型.模型选用岩石质量指标、完整性系数、单轴饱和抗压强度、纵波波速、弹性抗力系数和结构面摩擦因数等6个指标作为判别因子;将岩体质量分为4个等级作为Bayes判别分析的4个正态总体;以隧道围岩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.研究表明,Bayes判别分析模型误判率低,识别正确率达96.67%.

基于非参数方法的Bayes判别分析

Bayes判别法是判别分析中一种常用的重要判别方法,其理论和应用发展得到了不断的拓展,但是在确定总体分布时,普遍的做法仍是假设总体服从某种分布,仅仅是分布中有未知参数,通过样本可以估计其中的参数,再结合先验概率,即可得到判别函数。这种方法计算简便,但在假设总体分布时,未必准确、客观,且稳定性差。文章利用非参数方法,通过样本先估计出总体分布,再由分布计算相应的判别函数,从而推广了现有的Bayes判别分析方法。

Bayes逐步判别分析法在煤矿瓦斯分区评价中的应用

瓦斯是影响煤矿安全生产的主要因素,本文探索了依据Bayes逐步判别分析法建立评价预测模型,进行矿区瓦斯地质条件分析评价的一般方法,并结合淮南潘三矿的具体数据资料,进行实际应用研究,通过该区瓦斯地质条件评价指标体系的构建和等性块段的划分,实现了该区瓦斯地质条件的分区评价,为制定煤矿开采方案和进行瓦斯防治提供了重要依据。

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。

子宫内膜异位症中医证型的Bayes逐步判别分析

目的:通过对子宫内膜异位症的临床流行病学调查,探讨临床证候辨证标准研究的方法。方法:制定流行病学调查表,Excel软件建立临床资料数据库,采用Bayes判别分析研究本病的证候分布特点,将有显著贡献的证候变量建立判别函数式,SAS9.1.3软件和SPSS11.5软件做最后的数据分析处理。结果:经判别分析得出子宫内膜异位症症主要有寒凝血瘀、痰湿瘀阻、气滞血瘀、热郁血瘀、气虚血瘀、肾虚血瘀六个中医证型。结论:子宫内膜异位症中医证型判别函数与临床诊断吻合良好,能提高子宫内膜异位症中医诊断的客观性和准确性。

应用Bayes逐步判别分析识别辛176区块Es4储层岩性

辛176区块沙四段储层存在粗砂岩、不等粒砂岩和细砂岩,岩性非均质性较强。"四性"关系研究表明,岩性的准确识别是正确评价储层静态参数,识别油水层特别是低阻油层的前提。这里介绍了Bayes逐步判别方法原理和技术流程,在应用有序聚类分析方法开展测井曲线自动分层的基础上,综合应用自然电位(SP)、自然伽玛(GR)、声波时差(AC)、深探测电阻率(Rt)、浅探测电阻率(Rxo)测井资料和岩心分析资料,建立了粗砂岩、不等粒砂岩、细砂岩和泥岩的判别函数。应用效果表明,Bayes逐步判别法识别岩性符合率达到了86%,能够满足辛176区块沙四段储层岩性识别的需要。

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。

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。

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。

Bayes判别分析法在泥石流预测中的应用研究

泥石流是山区典型的具有严重危害的地质灾害现象,若能实现对其提前预测预报将是十分有意义的.然而影响泥石流的因素错综复杂,本文综合考虑沟道纵比降、前期降水量、固体物质贮量三个必备因素对泥石流产生的影响,基于Bayes判别分析理论,利用泥石流资料作为训练样本,建立了泥石流预测的Bayes判别分析模型.预测结果表明,该模型结果与实际情况吻合良好,说明该模型在泥石流预测中具有良好的实用性和有效性.

Bayes判别分析对输卵管妊娠早期诊断价值的探讨

目的探讨利用Bayes判别分析进行输卵管妊娠早期诊断方法的价值。方法以经手术和病理诊断为未破裂的输卵管妊娠的病例620例为病例组研究对象,同期收治早期宫内妊娠流产者890例为对照组研究对象,对有关临床、生物化学与形态学指标进行分析,利用Bayes判别分析的方法进行指标筛选、建立诊断模型,进行输卵管妊娠的早期诊断。结果采用Bayes判别分析法建立诊断模型,经交互验证考核判别函数对输卵管妊娠的判别正确率达99·68%,对先兆流产的判别正确率达80·00%,对异常宫内妊娠的判别正确率达93·18%,总正确率达91·9%。经自身验证考核对输卵管妊娠的判别正确率达99·68%,对先兆流产判别正确率达80·00%,对异常宫内妊娠的判别正确率达95·45%,总正确率达92·6%。结论通过临床、生物化学和形态学指标建立模型对输卵管妊娠早期诊断效果较好。

膨胀土判别与分类的Bayes判别分析法

基于Bayes判别分析法以建立膨胀土判别与胀缩等级分类的Bayes判别分析模型.模型选用液限,胀缩总率,塑性指数,天然含水率,自由膨胀率等5个指标作为判别因子;将膨胀土的胀缩性分为极强、强、中、弱4个等级并作为Bayes判别分析的4个正态总体;以训练样本建立Bayes线性判别函数,以该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的归属;以刀切法对判别准则进行评价.研究表明,该模型以刀切法计算的误判率为13.3%.

探讨Bayes判别分析在食管癌淋巴结转移CT诊断中的价值

目的:利用Bayes判别分析初步建立诊断食管癌淋巴结转移的各种CT征象的联合诊断模型。方法:共搜集胸段食管癌208例,将其分为实验组即训练样本(166例,80%)及检验组即验证样本(42例,20%),实验组用以建立诊断方程,检验组用以验证方程。结果:经计算获得的方程为:Y0=-7.499X1+7.957X2+167.761X3-0.087X4+0.459X5-5.528X6-0.711X7-66.080,Y1=-6.697X1+8.231X2+181.686X3-0.106X4+2.219X5-3.331X6-0.124X7-83.183,其中Y0为非转移组,Y1为转移组,X1为淋巴结最大短径,X2为淋巴结最大长径,X3为横纵比,X4为最大截面积,X5为是否边缘模糊,X6为是否中央低密度,X7为是否成簇分布。利用自身检验法所得诊断模型的符合率为87.7%,误判率为12.3%,交叉检验法与自身检验法所得结果相近。当利用验证样本数据代入方程,所得模型诊断符合率为84.7%,误判率为15.3%。结论:通过Bayes判别分析法所建立的不同CT征象对食管癌淋巴结转移的联合诊断模型具有一定的诊断价值,但诊断模型还有待进一步完善。

基于Bayes判别分析的边坡稳定性评价方法

将Bayes判别分析方法应用于边坡稳定性分析评价中,建立边坡稳定性综合评判的Bayes判别分析模型。该模型选用天然重度、粘聚力、内摩擦角、边坡坡角及边坡高度等5个指标作为判别因子,将边坡状态分为失稳和稳定2个等级,并作为Bayes判别分析的2个正态总体,以岩土体边坡实测数据作为训练样本,建立Bayes线性判别函数和判别准则,最后以回判法对判别准则进行评价以检验模型的可行性。

陶瓷原料分类的Bayes判别分析法

将Bayes判别分析法应用于陶瓷原料分类中,建立了陶瓷原料分类识别的Bayes判别分析模型。模型选用陶瓷原料的9种化学成分作为分类识别的判别因子;将陶瓷原料分为4个类别并作为Bayes判别分析的4个正态总体;以陶瓷原料样本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;最后以回代法对判别准则进行评价以检验模型的优良性。实例研究表明,Bayes判别分析模型回判估计误判率为0,因而是陶瓷原料分类识别的一种有效方法,可在生产实际中应用和推广。

隧洞围岩稳定性评价的Bayes判别分析法及应用

提出了隧洞围岩稳定性评价的Bayes判别分析法。通过介绍Bayes判别分析法的理论,并考虑影响隧洞围岩稳定性的因素,建立具体的Bayes判别分析模型进行判别。以隧道工程中的大量实测资料作为学习样本进行训练,并利用回代确认估计法对训练后的模型进行检验,最后将该模型对隧洞的围岩情况进行预测。研究结果表明,经过训练后的Bayes判别分析模型误判率很低,判别准确率很高,可以在实际工程中应用。

一类判别分析问题的Bayes解

设有两个总体 G0 和 G1,分别服从参数为λ0 和λ1的指数分布 ,对于待观测的样本 X,给出了相应的判别分析问题的 Bayes停止判决法则 ,其中损失函数包括试验费用和误判损失两部分 ,Bayes停止判决法则由后验概率比的上界和下界所确定 .