基于Fisher判别法岩溶塌陷倾向性等级分类预测 Classification Prediction of Karst Collapse Tendency Level Based on Fisher Discriminant Analysis Method.pdfVIP

下载本文档

2
0
约2.67万字
约 7页
2018-01-12 发布于上海
举报
版权申诉

基于Fisher判别法岩溶塌陷倾向性等级分类预测 Classification Prediction of Karst Collapse Tendency Level Based on Fisher Discriminant Analysis Method.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于Fisher判别法岩溶塌陷倾向性等级分类预测 Classification Prediction of Karst Collapse Tendency Level Based on Fisher Discriminant Analysis Method

1 No．9 第21卷第9期中国安全科学学报 V01．2 2 0 1 1年9月 China Science 01 1 Safety Journal Sep．2 基于Fisher判别法岩溶塌陷倾向性等级分类预测+ 黄仁东教授韩明张小军张海彬金浩华正阳 (中南大学资源与安全工程学院，湖南长沙410083) 学科分类与代码：6203070(安全系统工程) 中图分类号：X915．5 文献标志码：A 【摘要】为准确预测岩溶塌陷倾向性的等级分类，通过分析大量观测实例，选取岩性系数、岩体结构系数、地下水系数、覆盖层系数、地形地貌系数和环境条件系数作为模型判别因素。对12个实际观测样本进行训练，建立了基于Fisher判别分析法(FDA)的岩溶塌陷倾向性等级分类预测模型。借助SPSS软件工具，得到判别模型的4个判别函数。根据判别函数对训练样本进行回判，并对2个待判样本进行预测。结果显示：第一、第二判别函数的综合判别效率达到100％，大于规定的85％，满足工程实际应用需求；对训练样本进行回判时，误判率为零，同时对待判样本的分类预测准确率为100％。【关键词】岩溶塌陷； Fisher判别分析法(FDA)；判别函数；预测；回判 ClassificationPredictionofKarst LevelBasedon CollapseTendency FisherDiscriminantMethod Analysis ZHANGHai-binHaoHUA HUANG HAN ZHANG JIN Ren-dongMing Xiao-jun Zheng-yang of South Hunan41 (SchoolResourcesSafetyEngineering，CentralUniversity，Changsha0083，China) Inorderto theKarst level rock Abstract： coefficient， predict collapsetendencyaccurately，thequality rockmassstructure water stratum coefficient，groundcoefficient，soilcoefficient，landformphysiognomy andenvironmentconditioncoefficientweredeterminedasthe discriminantfactors coefficient major through alotofobservation twelveobservation classification