支持向量机在矿井水源判别中的应用.pdfVIP

煤矿现代化 2010年第3期 总第96期 支持向量帆在矿并水源判剐中的应用 牛磊1。卜祥芹1。陈优阔1，徐玉震2 (1．兖矿集团东华建设有限公司地矿分公司；2．山东煤矿安全监察局鲁西监察分局山东济宁273500) 摘要矿井突水是威胁煤矿安全生产的最大隐患之一。准确判别矿井水源是矿井防治水的前提。本 文以水质数据资料中的化学成分作为训练样本，以支持向量机作为分类器，对样本进行学习，得到训练模 型，根据训练好的模型对样本进行预测判别。结果表明，采用支持向量机对矿井水源进行判别，能得到较好 的结果。由于支持向量机适用于小样本。所以应用前景广阔。 关键词 支持向量机；矿井水源判别；水化学 中图分类号：TD742 文献标志码：B 章编号：1009-0797(2010)03--0081-02 高维的特征空间。 1引言 SVM寻找最优分类面的过程等价于求解一个凸二次优化 我国煤田地质条件十分复杂，突水事故十分严重。因此， 问题如式(1)： 准确判别矿井水源是矿井防治水的前提。水化学数据是地下 j 水最本质的特征。用水质资料判别水源具有快速、准确、经济 min枭IbIF+c∑玉 的特点【l】。传统的水化学分类方法有舒卡列夫法、布罗茨基法 s．t．yfw·中(她)+6】≥1《 (1) 及阿廖金法等，其方法多采用主要离子含量对比关系来进行 玉≥0i=1，2，…，Z 分类，基本|：属于定性分类的范畴，导致在离子含量差别不大 其中，c是惩罚系数，用来控制误差￡(松弛变量)边界的 的情况下很难识别区分各含水层。众多学者研究表明阿嗵过 平衡。使用拉格朗日优化方法和对偶原理来解问题(式1)，即 矿井水中的“6大离子”可有效判别矿井水水源。 得到式(2)： 目前，判别矿井水源的方法很多。如模糊概率法、模糊综 1 f f 合判别法、灰度关联度等。都取得了一定的成果，但评价具有 min—}∑∑嚷qyi嚣K(戢，锋)一∑q ·扛lj=l 卢I 很大主观性【4J。冯利军等应用具有线性功能函数的神经元对矿 (2) 井水质进行识别㈣，徐忠杰，杨永国等应用BP神经网络对矿井 砒∑弘棚 (2) 水源进行判别161，但是神经网络对于小样本训练显得元能为力。 片l i=1，2，…，l 本文采用支持向量机的分类方法对研究区矿井水中的“6大离 O≤伍≤c 子”进行分析，从而实现对矿区矿井突(涌)水水源的快速判别。 2支持向量机原理 具有最大间隔的最优分类面： 2．1结构风险最小化准则 f ∑嘎儿K(戈，筑)+6=o (3) 支持向量机是Vapniktn等人根据统计学习理论提出的一 种新的机器学习方法．它被认为是目前针对小样本统计估计 最后得到的决策函数是： 和预测学习的最佳理论。这种统计学习理论提出了一种新的 r 1 策略，即先把指示函数集1日构造为一个函数子集序列，并使各个 “髫)=哪f∑哺∞K(x,x；)+6 (4)