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。

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。

基于Bayes判别分析法的冲击地压预测与危险性分级

基于Bayes判别分析法,研究了冲击地压的预测与危险性分级问题。综合考虑冲击地压发生的自然因素、地质因素和开采技术因素,选择煤层厚度、倾角、埋深、地质构造情况、煤层倾角变化、厚度变化、瓦斯浓度、顶板管理、采前卸压情况和响煤炮声等10个参数作为判别因子;将冲击地压危险性等级分为微、弱、中和强4个级别,并作为Bayes判别分析的4个正态总体;选用现场实测的20组数据作为训练样本建立了Bayes线性判别函数和后验概率函数,以Bayes线性函数值和样本出现的总体的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;选用15组现场实测数据作为测试样本,以检验模型的可行性和可靠性。研究表明:冲击地压Bayes判别分析模型的回代误判率为0,对测试样本的识别正确率为93.33%,且与Fisher判别分析法的识别结果一致。

基于Bayes判别分析法的郴州市山洪灾害预报

湖南省郴州市是湖南省山洪灾害多发的一个区域,对郴州市山洪灾害进行快速准确的预测意义重大.运用Bayes判别分析法,根据山洪灾害预报的简化原理使用灾害发生前10天的时效雨量和当日雨量作为预报模型因子建立一组山洪预报模型,计算得出的模型预报正确率为86.96%,满足Bayes判别分析正确率大于80%的要求,表明该方法预测山洪简单易行,可以为郴州市山洪灾害的预测以及防治提供一定的支撑.

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。

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.

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%.

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。

砂土液化势评价的Bayes判别分析法及其应用

为了给砂土地震液化的数量化研究提供参考,基于多元统计分析理论,建立砂土地震液化判别与液化势分类的Bayes判别分析模型。模型选用震级、地面加速度最大值、标准贯入击数、比贯入阻力、相对密实度、平均粒径和地下水位等7个指标作为判别因子;将砂土液化势分为严重液化、中等液化、轻微液化和未液化4个级别,并作为Bayes判别分析的4个正态总体;以17个砂土实测数据作为训练样本,建立Bayes线性判别函数,以Bayes线性判别函数的最大值对应的总体作为样品所归属的总体;最后将建立的模型对训练样本进行回判,以回代估计误判率对模型进行检验。研究表明,对训练样本的回代误判率为0,对另外20个砂土样本的判别正确率为90%。

公路软基处理方案技术决策的Bayes判别分析法

将Bayes判别分析法应用于软基处理方案决策中,建立了软基处理方案技术决策的Bayes判别分析模型;选用软土层厚度、软土压缩模量、地表硬层厚度和路堤填土高度等4个属性参数作为确定软基处理方案的判别因子,将软基处理技术方案分为不处理、浅层处理和深层处理等3个层次并作为Bayes判别分析的3个正态总体,以15个软基工程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Bayes判别函数值的最大值对应的总体作为待判样品所归属的总体;最后以回代法对判别准则进行评价,结果表明Bayes判别分析模型回判估计误判率低,且13个判别结果与实际工程中采用的处理方法基本一致,模型的应用效果优良。

基于Bayes判别分析法的上市公司财务风险研究

上市公司如果发生财务风险,就会使投资者遭受重大损失。在前人研究的基础上,选择适当的财务指标,运用Bayes判别分析法建立了上市公司财务风险判断模型,并利用该模型对上市公司的财务风险进行了实证检验。实践证明,上市公司只有不断提高盈利能力,正确把握财务杠杆尺度,才能有效规避财务风险,实现持续经营。

急倾斜煤层可放性的Bayes判别分析法

为了对急倾斜煤层巷道放顶煤可放性进行研究,基于Bayes判别分析理论建立了急倾斜煤层顶煤可放性识别的Bayes判别分析模型。模型选用影响顶煤可放性的9个指标作为判别因子,将顶煤可放性分为4个等级作为Bayes判别分析的4个正态总体,以工程实例数据作为学习样本进行训练,建立相应的判别函数,并利用回代法对判别准则进行评价以验证模型的优良性。利用训练好的模型对典型的放顶煤可放性实例进行预测,结果与实际情况完全符合。研究结果表明,Bayes判别分析模型识别性能良好,预测精度高,误判率低,是顶煤可放性识别的一种有效方法,可以在实际工程中推广应用。

基于Bayes判别分析法的煤与瓦斯突出预测研究

建立了煤与瓦斯突出预测的Bayes判别模型,选用5项指标作为判别因子,将突出类型分为4个等级作为Bayes模型的正态总体,利用训练好的模型进行了实例预测。研究表明,Bayes判别模型是预测突出的有效方法。

沉积环境判别与分类的Bayes判别分析法

基于Bayes判别分析法建立沉积环境判别与分类的Bayes判别分析模型.模型选用粒度的平均粒径、标准偏差、偏差以及峰值4个指标作为判别因子,并以训练样本建立Bayes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,所建模型以刀切法计算的准确率为80%.

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。

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。

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判别分析法的慢性再生障碍性贫血中医证候诊断研究

目的:探讨Bayes判别分析方法在慢性再生障碍性贫血(CAA)中医辨证分型中的应用,为其规范化中医证候诊断提供科学依据。方法:利用"全国中医医疗与临床科研信息共享系统"收集我院372例CAA患者症状评估量表信息,涵盖CAA常见的12种症状。将患者中医辨证分型分为肾阳虚型、肾阴虚型以及肾阴阳两虚型3组,以Bayes判别分析方法建立CAA辨证分型的判别方程,并采用自身验证回代法对函数式进行检验。结果:根据12项症状建立CAA中医证型判别函数,回代法判别肾阳虚证的正确率为94.93%,肾阴虚证的正确率为59.26%,肾阴阳两虚证的正确率为82.81%,总体正确率为88.17%。结论:将判别分析等多元统计方法用于中医证候的研究中,有利于提高临床诊断的标准化、客观性以及准确性。

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%.