10.3969/j.issn.2095-2783.2015.03.002
基于主成分分析和支持向量机的矿井水源判别
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.
矿井突水、水源判别、主成分分析、支持向量机
10
TD745(矿山安全与劳动保护)
高等学校博士学科点专项科研基金资助项目20133718110004;青岛市经济技术开发区重点科技发展计划资助项目2013-1-62;山东省自然科学基金重点资助项目ZR2011EEZ002;山东科技大学科研创新团队支持计划资助项目2012KYTD101;山东科技大学研究生科技创新基金资助项目YC140103
2015-05-08（万方平台首次上网日期，不代表论文的发表时间）
共5页
251-255
