一种基于PCA法与Bayes判别模型的突水水源识别方法与流程

本发明涉及水文地质领域，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。

背景技术：

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。本发明在采用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。

技术实现要素：

1.本发明的目的

本发明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.本发明的技术方案

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.本发明的有益效果

本发明基于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为本发明基于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

下面结合本发明附图及应用实例，对本发明进行进一步说明。

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)、so4^2-(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，此发明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％，结果表明本发明的方法比单一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，本发明基于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，对本发明的目的，过程和效果进行详细说明，并不限定于本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换等，均应包含在本发明的保护范围之内。