中国科技论文
中國科技論文
중국과기논문
Sciencepaper Online
2015年
3期
251-255
,共5页
邱梅%施龙青%韩进%滕超%景行%冯阳
邱梅%施龍青%韓進%滕超%景行%馮暘
구매%시룡청%한진%등초%경행%풍양
矿井突水%水源判别%主成分分析%支持向量机
礦井突水%水源判彆%主成分分析%支持嚮量機
광정돌수%수원판별%주성분분석%지지향량궤
针对传统支持向量机法判别矿井水源准确率较低的问题,选取7种水化学成分指标作为矿井水源判别的指标,采用主成分分析(PCA)和支持向量机(SVM)相结合的方法建立PCA-SVM矿井水源判别模型.以山东盛泉矿业有限公司矿井太原组灰岩含水层和奥灰含水层的水化学特征中的27个样本进行训练和检验,并与传统的支持向量机模型结果进行比较,利用PCA-SVM模型对矿井水源进行判别,分类准确率由66.67％提高到83.40％.研究结果表明,利用PCA-SVM矿井水源判别模型能有效消除判别指标间的相关影响,判别率较高,引进主成分分析算法是必要的.
針對傳統支持嚮量機法判彆礦井水源準確率較低的問題,選取7種水化學成分指標作為礦井水源判彆的指標,採用主成分分析(PCA)和支持嚮量機(SVM)相結閤的方法建立PCA-SVM礦井水源判彆模型.以山東盛泉礦業有限公司礦井太原組灰巖含水層和奧灰含水層的水化學特徵中的27箇樣本進行訓練和檢驗,併與傳統的支持嚮量機模型結果進行比較,利用PCA-SVM模型對礦井水源進行判彆,分類準確率由66.67％提高到83.40％.研究結果錶明,利用PCA-SVM礦井水源判彆模型能有效消除判彆指標間的相關影響,判彆率較高,引進主成分分析算法是必要的.
침대전통지지향량궤법판별광정수원준학솔교저적문제,선취7충수화학성분지표작위광정수원판별적지표,채용주성분분석(PCA)화지지향량궤(SVM)상결합적방법건립PCA-SVM광정수원판별모형.이산동성천광업유한공사광정태원조회암함수층화오회함수층적수화학특정중적27개양본진행훈련화검험,병여전통적지지향량궤모형결과진행비교,이용PCA-SVM모형대광정수원진행판별,분류준학솔유66.67％제고도83.40％.연구결과표명,이용PCA-SVM광정수원판별모형능유효소제판별지표간적상관영향,판별솔교고,인진주성분분석산법시필요적.
