基于主成分析及距离判别法的煤矿安全状态判别模型的研究
Research on the Discrimination Model of Coal Mine Safety State Based on Principal Component and Distance Discrimination Method
DOI: 10.12677/ME.2023.112017, PDF,   
作者: 刘中原, 张法兴, 程艳晨, 孙均雨：青岛理工大学理学院，山东 青岛
关键词: 煤矿；竖井；安全状态判别；Coal Mine； Shaft； Security Status Discrimination
摘要: 本文致力于煤矿竖井安全状态判别模型的研究，采用主成分分析方法解析影响煤矿竖井安全的多特征因素，简化多元数据结构，然后结合距离判别方法将处理过的样本数据作为判别因子，得到相应的判别函数进行预测，建立了一套基于主成分分析和距离判别法的煤矿竖井安全状态判别模型，实现了煤矿竖井安全状态有效判别，准确率达到100%，保证了煤矿安全运营，这对煤矿竖井井筒的安全性和稳定性的评价具有借鉴意义。
Abstract: This paper draws lessons from the principal component analysis theory of multiple information of coal mine information refining, the multiple related, the information of index variables, combining into unrelated comprehensive index instead of the original index, simplifying multiple data struc-tures, then combining the processed sample data as the discrimination method, get the corre-sponding discriminant function to predict, established a set of coal mine shaft safety discrimination based on principal component analysis and distance discrimination model, realize the coal mine shaft safety state effective discrimination, accuracy of 100%, ensure the safe operation of coal mine. This has reference significance for evaluating the safety and stability of coal mine shaft.
文章引用：刘中原, 张法兴, 程艳晨, 孙均雨. 基于主成分析及距离判别法的煤矿安全状态判别模型的研究[J]. 矿山工程, 2023, 11(2): 132-141. https://doi.org/10.12677/ME.2023.112017

参考文献

[1] 刘环宇, 李晓, 曾钱帮, 黄福昌, 陈祥军. 兖州矿区立井井筒非采动破裂的非线性预测与判别方法[J]. 工程地质学报, 2005, 13(2): 231-235.
[2] 刘环宇. 厚冲积层立井井筒破坏的发生机理及防治技术研究[D]: [博士学位论文]. 南京: 河海大学, 2005.
[3] 骆念海, 杨维好. 井壁竖直附加力的影响因素分析[J]. 煤炭科学技术, 2000, 28(12): 41-43.
[4] 经来盛. 表土沉降对井壁破裂的影响及防破裂措施的研究[J]. 煤炭学报, 2001, 38(1): 49-53.
[5] 李文平, 于双忠. 深厚表土中煤矿立井非采动破裂的研究[J]. 工程地质学报, 1995, 3(1): 45-55.
[6] 黎锦贤, 胡千庭. 主成分分析法在煤矿安全评价中的应用[J]. 矿业安全与环保, 2007, 36(5): 71-73+76+90.
[7] 金洪伟, 周捷, 杨守国, 高巧红. 基于主成分分析法的煤矿瓦斯涌出量预测[J]. 煤炭技术, 2019, 38(4): 125-128.
[8] 丁坤, 刘振飞, 高列, 等. 基于主成分分析和马氏距离的光伏系统健康状态研究[J]. 可再生能源, 2017, 35(1): 1-7.
[9] 刘庆军, 陈坤, 刘晓光. 煤与瓦斯突出预测PCA——距离判别法研究[J]. 中国煤炭, 2016, 42(10): 97-101.
[10] 张国英, 王娜娜, 张润生, 马兵胜. 基于主成分分析的BP神经网络在岩性识别中的应用[J]. 北京石油化工学院学报, 2008, 16(3): 43-46.
[11] 琚棋定, 胡友彪, 张淑莹. 基于主成分分析与贝叶斯判别法的矿井突水水源识别方法研究[J]. 煤炭工程, 2018, 50(12): 90-94.
[12] 胡友彪, 邢世平, 张淑莹. 基于可拓模型判别矿井突水水源[J]. 安徽理工大学学报(自然科学版), 2017, 37(6): 34-40.
[13] 马济国, 姜春露, 朱赛君, 谢毫, 毕波, 郑刘根. 基于主成分分析的潘谢矿区突水水源Fisher判别模型[J]. 煤炭技术, 2020, 39(9): 132-134.
[14] 郭亚奔, 杨金林, 陈忠. 边坡稳定性预测的DDA模型及应用[J]. 有色金属, 2011, 63(3): 70-72.
[15] 邵良杉, 张宇. 煤矿立井井筒非采动破裂预测[J]. 煤炭学报, 2009, 34(2): 184-186.

为你推荐