有色金属（矿山部分）
有色金屬（礦山部分）
유색금속（광산부분）
NONFERROUS METALS (MINE SECTION)
2015年
1期
87-91
,共5页
矿井突水%水源判别%SVM%GA-BP
礦井突水%水源判彆%SVM%GA-BP
광정돌수%수원판별%SVM%GA-BP
及时辨识突水水源是有效预防和控制矿井突水灾害的重要工作之一.基于河南焦作某矿区不同水层的测试样本,利用嵌入梯度的支持向量机(SVM)对常用的[So4]2+、K+、Mg2+、Na+、Ca2+、Cl-、[HCO3]-、F-8种水化学成分进行因子约简,确定以K+、Mg2+、Ca2+、Cl-、[HCO3]-、F作为矿井突水水源辨识的主要判别因子.运用遗传算法优化BP神经网络(GA-BP)对新体系下的30组学习样本进行训练拟合,用所建立的分析模型对10组待检验水源类别进行辨识,预测平均正确率达到了94.27％.研究结果表明,该指标体系在矿井突水水源辨识中具有可行性,且GA-BP模型分类性能好,误判率低,可以用于矿井突水水源的辨识.
及時辨識突水水源是有效預防和控製礦井突水災害的重要工作之一.基于河南焦作某礦區不同水層的測試樣本,利用嵌入梯度的支持嚮量機(SVM)對常用的[So4]2+、K+、Mg2+、Na+、Ca2+、Cl-、[HCO3]-、F-8種水化學成分進行因子約簡,確定以K+、Mg2+、Ca2+、Cl-、[HCO3]-、F作為礦井突水水源辨識的主要判彆因子.運用遺傳算法優化BP神經網絡(GA-BP)對新體繫下的30組學習樣本進行訓練擬閤,用所建立的分析模型對10組待檢驗水源類彆進行辨識,預測平均正確率達到瞭94.27％.研究結果錶明,該指標體繫在礦井突水水源辨識中具有可行性,且GA-BP模型分類性能好,誤判率低,可以用于礦井突水水源的辨識.
급시변식돌수수원시유효예방화공제광정돌수재해적중요공작지일.기우하남초작모광구불동수층적측시양본,이용감입제도적지지향량궤(SVM)대상용적[So4]2+、K+、Mg2+、Na+、Ca2+、Cl-、[HCO3]-、F-8충수화학성분진행인자약간,학정이K+、Mg2+、Ca2+、Cl-、[HCO3]-、F작위광정돌수수원변식적주요판별인자.운용유전산법우화BP신경망락(GA-BP)대신체계하적30조학습양본진행훈련의합,용소건립적분석모형대10조대검험수원유별진행변식,예측평균정학솔체도료94.27％.연구결과표명,해지표체계재광정돌수수원변식중구유가행성,차GA-BP모형분류성능호,오판솔저,가이용우광정돌수수원적변식.
