基于PCA-CRHJ模型的礦井突水水源判別

秋興國，王瑞知，張衛國，張昭昭，張婧

(西安科技大學 計算機技術與科學學院， 陜西 西安 710054)

0 引言

礦井突水災害事故危害巨大，據中國煤礦安全生產網站統計，2013—2019年我國共發生煤礦水害事故39起，占全國煤礦總事故的11.21%；因煤礦水害導致死亡的有246人，占全國煤礦總事故死亡人數的14.03%[1]。快速判斷水源類別并及時確定突水危險發生位置是有效預防突水事故發生及水害治理的重要方法和技術手段。

顏丙乾等[2]通過主成分分析(Principal Component Analysis, PCA)得出不同水樣的礦化程度，將馬爾科夫鏈蒙特卡洛(Markov Chain Monte Carlo, MCMC)引入到貝葉斯(Bayes)方法中，建立了基于PCA和MCMC的Bayes方法的礦井突水水源判別模型。聶鳳琴等[3]建立了基于馬氏距離的礦井突水水源判別模型，通過劃分不同水源間的距離對水源類型進行區分。孫福勛等[4]在Fisher判別分析理論的基礎上引入質心距評價法剔除混合水樣樣本，實驗證明改進后的模型判別準確率從60%提高到了83.3%。姜子豪等[5]提出了一種基于Bayes-可拓判別法的礦井突水水源判別方法，避免了Bayes判別法中各特征指標對總體樣本的影響及可拓判別法忽視誤判損失帶來的判別誤差問題，可有效提高水源判別精度。楊勇等[6]采用卷積神經網絡(Convolutional Neural Networks, CNN)建立礦井突水水源判別模型，實驗證明該模型適用于處理多維突水序列。劉東銳等[7]利用遺傳算法(Genetic Algorithm,GA)對傳統支持向量機(Support Vector Machine, SVM)進行優化，建立了GA-SVM水源判別模型，解決了SVM模型參數選取經驗化的問題。李垣志等[8]建立了基于回聲狀態網絡(Echo State Network, ESN)的礦井突水水源判別模型，削弱了人為因素的干擾。……