基于HCA-Bayes的矿井涌水水源识别
顾爱民
刘德民
华北科技学院 安全工程学院,北京 东燕郊 065201
摘要：为提高矿井涌水水源的准确率,提出一种基于HCA-Bayes的矿井涌水水源识别模型.以钱家营矿为例,在分析矿井3类直接充水含水层水化学特征的基础上,选取6个水质离子作为识别指标.随后利用层次聚类(HCA)对含水层进行亚类划分.最后在亚类的基础上建立HCA-Bayes的矿井涌水水源识别模型,并将识别结果与单一Bayes模型进行对比.结果表明:利用HCA-Bayes的矿井涌水水源识别模型对3个测试样本进行验证,识别准确率为100％,相较于单一Bayes模型的准确率提高了33.3％;预测精度相对较高;将该模型进行回代预测,识别结果与实际类型基本一致,与单一Bayes模型相比回代误判率显著降低.
关键词：水源识别层次聚类(HCA)贝叶斯判别(Bayes)亚类划分
分类号：TD745(矿山安全与劳动保护)
资助基金：国家重点研发计划(2017YFC0804108)河北省自然科学基金资助项目(E2017508088)中央高校基本科研业务费资助项目(3142017064)
论文发表日期：2022-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 20-27 )
英文信息