Research on Risk Level of Coal and Gas Outburst Prediction Based on PCA-Fisher Discriminant Analysis Model
-
摘要: 为了提高煤与瓦斯突出预测精度，选取瓦斯含量、瓦斯压力、瓦斯放散初速度等11个因素作为判别指标，将煤与瓦斯突出强度分为无突出、小型突出、中型突出、大型突出4个等级。利用贵州黔西北煤矿资料中的28组数据作为训练学习样本，建立了煤与瓦斯突出危险等级预测的PCA-Fisher判别分析模型，再利用资料中其余6组数据作为预测样本，对该模型进行检验和应用，并与BP神经网络模型和Fisher判别模型的判别结果进行比较。结果表明：PCA-Fisher判别模型具有更高的准确性和可靠性，可以对煤与瓦斯突出危险等级进行有效预测。Abstract: In order to improve the accuracy of coal and gas outburst prediction.11 factors, including gas content, gas pressure and initial velocity of gas, were selected as the discriminant indicators. The outburst intensity of coal and gas was divided into four grades: no outburst, small outburst, medium outburst and large outburst.28 sets of data of Qianxibei Coal Mine in Guizhou were used as training samples to establish a PCA-Fisher discriminant analysis model for risk level prediction of coal and gas outburst. Using the remaining 6 sets of data as a prediction sample to test and apply the model, the discriminant result was compared with that of BP neural network model and Fisher discriminant model. The results showed that PCA-Fisher discriminant model has higher accuracy and reliability, it can predict the risk level of coal and gas outburst effectively.
-
-
[1] 程远平, 王海峰, 王亮, 等.煤矿瓦斯防治理论与工程应用[M].徐州:中国矿业大学出版社, 2010:507-508. [2] 聂百胜, 何学秋, 王恩元, 等.煤与瓦斯突出预测技术研究现状及发展趋势[J].中国安全科学学报, 2003, 13(6):40-43. [3] 王超, 宋大钊, 杜学胜, 等.煤与瓦斯突出预测的距离判别分析法及应用[J].采矿与安全工程学报, 2009, 26(4):470-474. [4] 肖红飞, 何学秋, 刘黎明. 改进BP算法在煤与瓦斯突出预测中的应用[J]. 中国安全科学学报, 2003, 13(9): 59-63. [5] 陈祖云, 张桂珍, 邬长福, 等. 基于支持向量机的煤与瓦斯突出预测研究[J]. 工业安全与环保, 2010, 36(5): 33-36. [6] 高卫东. Fisher判别法在煤与瓦斯突出危险程度预测中的应用[J]. 中国安全科学学报, 2010, 20(10): 26-30. [7] 孙鑫, 徐杨, 林柏泉, 等. 煤与瓦斯突出影响因素评价分析的模糊层次分析方法[J]. 中国安全科学学报, 2009, 19(10): 145-149. [8] 张润楚.多元统计分析[M].北京:科学出版社, 2006: 346. [9] 杨凯, 陈建宏. 基于主成分分析与BP神经网络的冲击地压预测的研究[J]. 广西大学学报(自然科学版), 2012, 37(5): 997-1003. [10] 毕建武, 贾进章, 赵博琦, 等. 煤与瓦斯突出预测的Fisher判别分析法及应用[J]. 安全与环境学报, 2014, 14(5): 57-60. [11] 陈红江, 李夕兵, 刘爱华, 等. 用Fisher判别法确定矿井突水水源[J].中南大学学报(自然科学版), 2009, 40(4): 1114-1120. [12] 高惠璇.应用多元统计分析[M].北京:北京大学出版社,2004. [13] 鲁金涛, 李夕兵, 宫凤强, 等. 基于主成分分析与Fisher判别分析法的矿井突水水源识别方法[J]. 中国安全科学学报, 2012, 22(7): 109-115. [14] 李希建, 林柏泉. 煤与瓦斯突出机理研究现状及分析[J]. 煤田地质与勘探, 2010, 38(1): 7-13. [15] 韩军, 张宏伟, 宋卫华, 等. 煤与瓦斯突出矿区地应力场研究[J]. 岩石力学与工程学报, 2008, 27(S2): 3852-3859. [16] 孟絮屹.贵州黔西北煤矿掘进工作面煤与瓦斯突出预测研究[D].贵阳:贵州大学, 2009. -
期刊类型引用(9)
1. 薛生，郑晓亮，袁亮，来文豪，张玉婷. 基于机器学习的煤与瓦斯突出预测研究进展及展望. 煤炭学报. 2024(02): 664-694 . 
百度学术
2. 令狐建设，臧杰. 基于多目标模型的煤与瓦斯突出风险分类方法研究. 山东煤炭科技. 2023(01): 113-115+125 . 百度学术
3. 周松元，罗渭，马伟东，黄炳. 基于TreeNet算法的煤与瓦斯突出预测模型构建研究. 矿业研究与开发. 2022(05): 190-196 . 百度学术
4. 陈恋，袁梅，向维，许石青，隆能增，张平，李鑫灵. PCA-Fisher判别模型在煤层底板突水预测中的应用. 数学的实践与认识. 2021(06): 103-111 . 百度学术
5. 李大勇，王振，张锋. 新建矿井煤层煤与瓦斯突出危险性综合评估方法. 煤炭技术. 2020(02): 85-88 . 百度学术
6. 王雨虹，孙福成，付华，徐耀松. 基于优化的量子门节点神经网络的煤与瓦斯突出预测. 信息与控制. 2020(02): 249-256 . 百度学术
7. 李文晋，李健，卢晓军，姜垚如，王靓，靳茜茜，王英元，孙俊红. 蛋白芯片检测技术结合多维统计推断死亡时间. 法医学杂志. 2020(05): 660-665+671 . 百度学术
8. 陈彩华. 矿井安全监控平台中的智能决策系统研究. 贵州师范大学学报(自然科学版). 2019(05): 105-109 . 百度学术
9. 贾澎涛，吕巧林. 基于相关性分析的瓦斯灾害选择集成预测模型. 计算机应用研究. 2019(12): 3769-3772 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 38
- HTML全文浏览量: 0
- PDF下载量: 13
- 被引次数: 12
下载:
