基于Bayes判别法的霜生自动化观测模型探讨

利用安徽砀山气象站的2001—2013年冬半年(10月至次年4月)的观测资料,探讨霜生与气温、地温、水汽压和风速等气象要素的相关性,并基于Bayes判别方法,采用逐步判别分析,建立多套霜生自动判别模型。结果表明:(1)霜是否出现与日最低及夜间不同观测时次的气温、地表温度显著相关,当夜间气温或地表温度越低,低于霜点的可能性越大,结霜的可能性也越大。(2)通过回算性检验和独立样本的预报性检验,基于Bayes判别法的霜生模型,对霜未发生的平均判别准确率达到86.5%,对霜发生的平均判别准确率达到92.7%,其中用日最低地温、当日07时水汽压和当日07时风速所建立的三要素模型最优,对霜发生的判别准确率可达到90%以上。因此,可以将Bayes霜生判别模型与图像识别技术相结合应用于霜的自动化观测。

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。

应用Bayes逐步判别方法识别东辛油田沙四段储层流体性质

东辛油田沙四段储层存在相当数量的低阻油层,油层、油水同层、水层测井响应特征比较接近,常规交会图法难以准确识别储层流体性质.本文介绍了Bayes逐步判别方法原理和技术流程,综合应用声波时差、自然伽马、自然电位、深探测电阻率、浅探测电阻率测井资料和生产动态资料建立了油层、油水同层、水层的判别函数.应用效果表明,Bayes逐步判别法识别油水层符合率达到了87.5%,可满足东辛油田沙四段储层流体性质识别的需要.

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判别分析方法的叙岭关隧道溶洞水源识别

基于Bayes判别方法,选取水化学常量组分作为判别指标,利用叙岭关隧道地区9个动态监测点的53个水样样本建立了该地区的水源判别模型。模型检验结果表明,其回判准确率为96.23%,具有较高的识别精度和工程推广能力。利用建立的判别模型,对叙岭关隧道1号溶洞内两个出水点RQ1和RQ2的水源进行了识别,并结合其流量动态变化特征、同位素分析结果,以及1号溶洞发育位置,推断1号溶洞内两个出水点的水源为P1m+q含水层中的岩溶地下水。根据判别结果,建议1号溶洞采取"以排为主"的原则加以处治,并尽量保留溶洞水的过水通道。

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。

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判别法的结冰现象资料序列订正

针对安徽省81个国家级地面气象站1961—2018年结冰现象资料序列,采用要素一致性、内部一致性、空间一致性等方法进行数据质量控制,基于质量控制后的正常年份数据进行Bayes判别模型训练,应用训练所得模型完成异常年份结冰数据的订正。结果表明:安徽省共有38个台站累计84年的年结冰日数质量控制检查异常,年结冰日数异常年份主要集中在1961—1970、1988—1999和2015—2017年,造成年结冰日数异常的原因有部分台站历史观测任务简化、气象台站分类调整以及地面气象观测业务改革等。利用Bayes判别法构建了多个结冰现象判别模型,经检验发现,模型1和模型3具有较高的判识正确率、命中率、TS评分以及较低的误警率。考虑计算的简便性,选用模型1对异常年份结冰数据进行逐日订正。通过六安站、太和站和无为站异常年份结冰现象订正结果对比发现,基于Bayes判别法的结冰现象判别模型,对不同时间段内、不同原因造成的结冰现象观测记录异常的订正均较为合理,订正后的年结冰日数变化趋势更符合实际情况,表明采用Bayes判别模型订正结冰现象是合理、可行的。

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。

推土机故障诊断的Bayes判别方法研究

将Bayrs判别分析法应用于推土机工作状态评价中,建立了推土机工作状态分类和发动机故障识别的Bayes判别分析模型。实例研究表明:Bayes判别分析模型回判估计误判率较低,因而是推土机发动机工作状态分类与故障诊断识别的一种有效方法,可在生产实际中应用和推广。

正态总体的Bayes判别模型与负点法在处理微量超差中的应用

本文应用正态总体的Ｂａｙｅｓ判别模型，解决了微量超差的两类判别问题，并完成了向负点法的转化工作。对如何建立负点法做了探讨，最后结合实际问题进行了计算。

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判别法的马尾松毛虫一代、二代幼虫发生期的预报

为了提高马尾松毛虫Dendrolimus punctatus(Walker)发生量预测预报结果的准确性,本文运用Bayes判别分析法建立安徽省潜山县1983年-2016年33年的马尾松毛虫一代和二代幼虫发生期的预报模型。一代幼虫发生期的判别函数方程为:f(1)=-15744.058-361.501x1+60.759x2+133.502x3+511.368x4;f(2)=-16854.938-375.596x1+70.405x2+132.608x3+529.690x4;f(3)=-17645.295-384.956x1+73.601x2+134.955x3+541.782x4;f(4)=-18179.639-382.408x1+71.342x2+135.234x3+549.655x4对1983年-2018年一代幼虫发生期预报结果历史符合率为97.06%,二代幼虫发生期的判别函数方程为:f(1)=-134898.483+559.235x5+113.112x6-250.033x7+1461.350x8;f(2)=-138908.622+573.572x5+118.340x6-252.691x7+1474.569x8;f(3)=-141430.680+577.358x5+125.727x6-254.610x7+1483.336x8;f(4)=-143185.175+578.968x5+129.628x6-256.102x7+1491.257x8对二代幼虫发生期的预报结果的历史符合率为100%。对2017年和2018年的验证回报,与实况结果一致。筛选出对预报量有密切关系的预报因子是本方法预报准确性的关键,该方法是一种简便准确性高的预报方法。

基于细胞神经网络与Bayes判别法的冰雹预测

选取新疆地区的雹云图像利用细胞神经网络边缘提取方法,得到图像的纹理信息,再用二维小波变换进行处理,得到每个图像的四个特征系数;以这些特征系数为判别变量,区分降雹与无雹的图像;利用Bayes判别法构造判别模型,对雹云图像进行分析判别。结果显示本文采用的方法能够明显的区分降雹与无雹云层,判别误差较小,具有参考价值。

逐步Bayes判别法对中风后遗症757例中医证候的计量诊断研究

目的 :探讨中风后遗症中医证候的计量诊断规律。方法 :用随机抽样方法确定调查医院 ,用判别分析中的逐步Bayes判别法进行中医证候的计量诊断分析。结果 :中风后遗症中医证候有阴虚血瘀证、阴虚阳亢 (火热 )证、气虚血瘀证、风痰阻络证 ,先筛选出有判别意义的症状因子 2 6个作为中医证候计量诊断的辨证指标 ,并建立各症状因子的Bayes判别函数和各证候的Bayes判别方程式 ,再计算各证候的后验概率 ,根据后验概率的大小确定中医证候诊断 ,并对验证样本 16 5例进行判别效果验证 ,其前瞻性判别概率估计为 11 5 %。结论 :用逐步Bayes判别法探讨中风后遗症中医证候计量诊断方法 。

基于改进的Bayes判别法的中文多义词消歧

介绍了词义消歧研究的进展。对基于Bayes判别法的词义消歧算法做了改进,加大与多义词存在句法依存关系的特征词在Bayes判别公式中的权值比重,较好改善词义消歧的效果,并设计对比实验,验证了改进算法的优越性,分析了语料规模、数据噪声、数据稀疏问题对词义消歧的影响的规律。

基于Bayes判别法的矿井通风系统安全可靠性评价

针对传统通风系统安全可靠性评价方法存在的问题,本文采用多组逐步Bayes判别分析理论,并结合矿井通风系统对经济、安全方面的要求,选取16项指标作为判别因子,建立了基于Bayes判别法的矿井通风系统安全可靠性评价模型。利用国内某矿山提供的实测资料作为训练样本,得到了相应线性判别函数;并利用回代估计方法进行回检,误判率为0%;而后对3组检测样本进行评判,正确识别率为100%。最后,该模型对5个实测生产矿井通风系统数据进行测试,得出预测结果与实际吻合良好。综上所述:该模型对矿井通风系统的安全评价具有较高的可信度,也为矿井通风系统的安全可靠性评价提供了一条新方法。