文献类型：期刊文章

作　　者：温廷新[1] 张波[1] 邵良杉[1]

机构地区：[1]辽宁工程技术大学系统工程研究所

出　　处：《中国安全科学学报》

基　　金：国家自然科学基金资助(70971059);辽宁省教育厅基金资助(LT2010048);山东省自然科学基金资助(ZR2010FL012);校企调研基金资助(SCDY2012018)

年　　份：2014

卷　　号：24

期　　号：7

起止页码：111-116

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为快速、有效地判别矿井突水水源,根据水化学特征,选取Ca2+,Mg2+,K++Na+,HCO-3,SO2-4,Cl-和总硬度等7个指标的质量浓度(mg/L)作为主要判别依据,并将其作为识别的变量。利用因子分析模型对数据进行属性约简,提取公共因子,减少判别指标之间信息交互,并利用量子遗传算法(QGA)对最小二乘支持向量机(LSSVM)的参数寻优,建立QGA-LSSVM水源识别模型。选取从新庄孜煤矿实测的33组数据作为训练数据,进行模型训练;另用12组数据作为测试数据,用该模型进行预测,并将结果与其他预测模型的结果进行对比。研究表明:利用因子分析模型提取的公共因子包含原变量因素中绝大部分信息,能减少信息冗余,利用QGA优化的LSSVM模型能使结果避免陷入极值,用该模型可有效地预测矿井突水水源类型,其错误预测率为0。

关 键 词：矿井突水 水源识别  预测  因子分析  量子遗传算法(QGA)  最小二乘支持向量机(LSSVM)  

分 类 号：X936[安全科学与工程类]