基于主成分分析和支持向量机的矿井水源判别.pdfVIP

第 1O卷 第 3期 中 国科 技 论 文 Vo1．1ONo．3 2015年 2月 CHINA SCIENCEPAPER Feb．2015 基于主成分分析和支持 向量机的矿井水源判别 邱 梅 ，施龙青 ，韩 进。，滕 超 ，景 行 ，冯 阳 (1．山东科技大学地球科学与工程学院，山东青岛266590；2．山东科技大学山东省沉积成矿作用与沉积矿 产重点实验室，山东青岛266590；3．山东科技大学信息科学与工程学院，山东青岛266590) 摘 要：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。 关键词：矿井突水；水源判别；主成分分析；支持向量机 中图分类号：TD745 文献标志码：A 文章编号：2095—2783(2015)03—0251—05 Recognitionmethodofminewatersourcesbasedonprincipal componentanalysisandsupportvectormachine QiuMei，ShiLongqing ，HanJin。，TengChao ，JingXing，FengYang (1．CollegeofEarthScienceandEngineering，ShandongUniversityofScienceandTechnology，Qingdao，Shandong 266590，China；2．ShandongProvincialKeyLaboratoryofDepositionalMineralization SedimentaryMinerals， ShandongUniversityofScienceandTechnology，Qingdao，Shandong266590，China；3．CollegeofInformation ScienceandEngineering，ShandongUniversityofScienceandTechnology，Qingdao，Shandong266590，China) Abstract：Consideringthelow accuracyoftraditionalsupportvectormachine(SVM)method inminewatersourcerecognition， sevenkindsofwaterchemicalcompositionwereselectedasthesamplevariables．andaminewatersourcerecognitionmodelwas builtbycombiningprincipalcomponentanalysis(PCA)andsupportvectormachine．27samplesobtainedfrom Taiyuanlimestone aquiferandOrdovicianlimestoneaquiferofShandongShengquancoalmineweretrainedandtheresultswerecomparedwiththose measuredbytraditiona1SVM，whichindicatesthatthePCA-SVM modelcanimprovethemeasuringaccuracyfrom 66．67％ tO 83．4O ．Theresultsshow thatusingPCA-SVM recognitionmodelcaneffectivelyelimina