一种基于PCA法与Bayes判别模型的突水水源识别方法技术

本发明专利技术公开了一种基于PCA法与Bayes判别模型的突水水源识别方法，包括：收集研究区近年来各主要含水层水化学组分分析数据；基于实际水化学组分数据，建立基于PCA法的Bayes判别模型；将训练样本回代到判别模型中，得出模型的判别效果；基于待测样本，将计算结果与实际结果进行对比，预测突水水源。本发明专利技术基于PCA法对各主要含水层水化学组分进行分析，利用降维的原理，排除各离子间重叠干扰因素，选取几个主成分，结合Bayes判别方法建立突水水源判别模型，进行研究区突水水源的识别。该方法有一定的新颖性，判别效率高且精度准，为突水水源的识别预测提供了一种新的实用方法。

A recognition method of Water Inrush Source Based on PCA and Bayes discriminant model

The invention discloses a water inrush source identification method based on PCA method and Bayes discriminant model, which includes: collecting the analysis data of the main aquifer hydrochemical components in the study area in recent years; establishing Bayes discriminant model based on PCA method based on the actual hydrochemical components data; replacing training samples into the discriminant model to obtain the discriminant effect of the model; and summarizing the calculation based on the samples to be measured. The results were compared with the actual results, and the water inrush source was predicted. The present invention is based on PCA method to analyze the main aquifer hydrochemical components, uses the principle of dimension reduction, eliminates the overlapping interference factors among ions, selects several principal components, and establishes the discriminant model of water inrush source combining Bayes discriminant method to identify the water inrush source in the study area. This method has some novelty, high discrimination efficiency and accuracy, and provides a new practical method for identification and prediction of water inrush source.

【技术实现步骤摘要】
一种基于PCA法与Bayes判别模型的突水水源识别方法
本专利技术涉及水文地质领域，具体涉及一种基于PCA法与Bayes判别模型的突水水源识别方法。
技术介绍
在我国煤炭生产过程中，水害事故频繁发生，对人身安全、经济发展都造成了严重威胁。因此快速准确的判断突水水源位置，才能为水害防治措施的开展提供有效关键信息。目前，在突水水源判别中，由于水质资料与其他数据相比，具有快速、准确、经济的特点，已成为突水水源识别的主流。因各含水层的水质组分不同，一般采用水化学指标来判别矿井突水水源。常用的方法有BP神经网络法、聚类分析法、回归分析法等，但都没有考虑到各评价因子之间的相关性，造成各信息间的重叠而产生误判的情况，而主成分分析(PCA)可以消除水样指标之间的重叠信息，提高了判别精度。本专利技术在采用PCA法分析各指标间的相关性基础上，提取出相关性强的主要成分，最后结合Bayes判别法建立基于PCA法的Bayes判别模型来判别突水水源。
技术实现思路
1.本专利技术的目的本专利技术针对现有技术方法中传统判别法判定时间过长、判别精度过低的缺陷，将PCA法与Bayes判别法相结合代替单一预测突水水源的传统方法，减少判别时间、提高判别精度。2.本专利技术的技术方案基于上述目的，建立基于PCA法的Bayesr判别模型的识别突水水源的方法。该方法包括：步骤A，收集研究区近年来各主要含水层水质类型资料；步骤B，对实际水质资料(训练样本)，建立基于PCA法的Bayes判别模型；步骤C，将训练样本回代到判别模型中，得出模型的判别效果；步骤D，基于待测样本，将计算结果与实际结果进行对比，预测突水水源。3.本专利技术的有益效果本专利技术基于PCA法对各含水层水化学组分进行分析，利用降维的原理，排除各离子间重叠干扰因素，选出几个主成分，结合Bayes判别法建立突水水源判别模型，进行研究区突水水源的识别。该方法有一定的新颖性，判别效率高且精度准，为突水水源的识别预测提供了一种新的实用方法。附图说明图1为本专利技术基于PCA法的Bayes判别模型的突水水源识别方法流程图。具体实施方式下面结合本专利技术附图及应用实例，对本专利技术进行进一步说明。步骤A，收集研究区近年来各主要含水层水质类型资料；步骤B，对实际水质资料(训练样本)，建立基于PCA法的Bayes判别模型；步骤C，将训练样本回代到判别模型中，得出模型的判别效果；步骤D，基于待测样本，将计算结果与实际结果进行对比，预测突水水源。以下结合具体实例，列举详细步骤：步骤A：某矿突水水源分为新生界松散层水Ⅰ、煤系砂岩水Ⅱ、太原组灰岩水Ⅲ。三类水源中选取24个水样作为训练样本，其中松散层水11个，砂岩水6个，灰岩水7个。考虑到不同含水层的化学组分不同，因此选取六大常规离子作为判别指标：Ca2+(X1)、Na++K+(X2)、Mg2+(X3)、HCO3-(X4)、Cl-(X5)、SO42-(X6)。步骤B：首先对训练样本数据进行标准化处理，再对标准化后的数据进行主成分分析，得出各判别指标间的相关系数矩阵，结果见表1。各离子之间是有关联的，Cl-与Na++K+的关联度达到了0.782，说明两指标之间有重叠信息，不能直接使用，否则会造成多余重复的信息，使其计算量增大，也可能降低水源判别的精度，而造成误判。因此，对样本进行主成分分析是有必要的。同时得到各判别因子的特征值、贡献率和累积贡献率(见表2)，选取前4个主成分，由表2可知前4个主成分占据了96.53％的数据信息量，可对样本信息进行有效的概述。表1各水化学成分指标的相关系数矩阵表2各主成分解释方差率再利用SPSS软件建立Bayes判别法，得到三种水源的判别函数模型，其判别公式如下：式中Z1、Z2、Z3分别为新生界松散层水、煤系砂岩水以及太原组灰岩水的判别函数值；X1、X2、X3、X4为离子浓度值。判别时哪一水样的判别函数值越大，那么该水样就归属哪一类。步骤C：将24个训练样本回代入已经建立的Bayes判别函数中，进行重新归类，如果重新归类结果与已知类别的符合率很高，则判别函数的效果就好。由表3和表4可知，第一类水样的误判率为18.2％，第二类水样的误判率为16.7％，第三类水样的误判率为14.3％，总误判率为为16.67％。由此可见，此专利技术建立的判别模型对水源判别是可行高效的。表3回代判别结果表4训练样本回判结果统计步骤D：运用训练样本建立的基于PCA法与Bayes判别模型对选取的待测水样进行预测并与直接Bayes判别法进行对比，由预测结果(表5)可知，在11个突水水样预测结果当中，只有一个砂岩水错判为灰岩水，判别正确率达90.9％；与直接Bayes判别结果进行比较可知，直接Bayes判别正确率只有63.6％，结果表明本专利技术的方法比单一Bayes判别更加准确，极大的消除了样本之间的影响，而提高了判别准确率。表5预测样本判别结果综上所述，本专利技术基于PCA法对各含水层水化学组分进行分析，排除各离子间重叠干扰因素，选取主成分，结合Bayes判别法建立突水水源判别模型，进行研究区突水水源的预测。该方法有一定的新颖性，判别效率高且精度准，为突水水源的识别预测提供了一种新的实用方法。以上所述具体实例，对本专利技术的目的，过程和效果进行详细说明，并不限定于本专利技术的保护范围，凡在本专利技术的精神和原则之内，所做的任何修改、等同替换等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种基于PCA法与Bayes判别模型的突水水源识别方法，包括：步骤A，收集研究区近年来各主要含水层水质类型资料；步骤B，对实际水质资料(训练样本)，建立基于PCA法的Bayes判别模型；步骤C，将训练样本回代到判别模型中，得出模型的判别效果；步骤D，基于待测样本，将计算结果与实际结果进行对比，预测突水水源。

【技术特征摘要】
1.一种基于PCA法与Bayes判别模型的突水水源识别方法，包括：步骤A，收集研究区近年来各主要含水层水质类型资料；步骤B，对实际水质资料(训练样本)，建立基于PCA法的Bayes判别模型；步骤C，将训练样本回代到判别模型中，得出模型的判别效果；步骤D，基于待测样本，将计算结果与实际结果进行对比，预测突水水源。2.在步骤B中，基于实际水质资料(训练样本)，建立基于PCA法的Bayes判别模型的突水水源识别方法，详细如下：(1)首先对训练样本数据进行标准化处理，然后用SPSS软件对标准化后的数据进行主成分分析，得到各判别指标之间的相关系数矩阵。若两个指标之间的相关系数较大，说明两者互为影响，存在信息重叠现象，不能直接使用，否...

【专利技术属性】
技术研发人员：郑竹艳，琚棋定，苏悦，潘生强，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：安徽,34