[发明专利]一种基于Piper-PCA-FCL判别模型的突水水源识别方法

权利要求书

1.一种基于Piper-PCA-FCL判别模型的突水水源识别方法，其特征在于，包括以下步骤：

步骤A，收集研究区近年来各含水层水质类型资料，选取各含水层的多个水样作为训练样本，以各含水层均有的离子作为判别指标；

步骤B，使用Piper三线图，根据水化学特征对水样进行分类，确定含水层的水化学类型，作为判别待测水样时的初步依据，筛选出能代表含水层特征的标准水样；

步骤C，对标准水样的水化学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，选取累积贡献率大于90％的判别指标作为主成分，计算各标准水样的主成分得分，求出各含水层对应的主成分的平均值和标准差，利用得到的平均值和标准差将训练样本标准化；

步骤D，判定各含水层标准化后的样本数据是否服从正态分布，若服从正态分布，结合模糊置信度理论，建立Piper-PCA-FCL判别模型；若不服从正态分布，则根据数据的不同特征，选取不同的变换方法，将不服从正态分布的数据转化为正态分布或近似正态分布，结合模糊置信度理论，建立Piper-PCA-FCI判别模型；依据建立的Piper-PCA-FCI判别模型，对待测水样进行判别，将计算结果与实际结果进行对比，预测突水水源；

在收集研究含水层水化学组分的数据时，通过对水样进行水化学分析以及离子的测定，对水样进行筛选，以Na⁺+K⁺、Ca²⁺、Mg²⁺、Cl^-、SO₄^2-、HCO₃^-离子作为判别指标；

步骤D中，在实际资料充分的情况下，即服从正态分布，依据不同主成分的平均值和标准差将待测样本数据放入各含水层构建的标准正态分布，得到的值称为单侧置信区间，公式如下；

式中，代表样本总体的平均值，为概率分布的下侧分位点，α为置信度，σ为标准差，n为样本个数，M为待测水样标准化的取值；

求出各含水层置信度的平均值，平均置信度最高的含水层即为待测水样的判别类型；

步骤D中，在实际资料不充分的情况下，若服从正态分布，将已知的水样数据当作标准差未知的t分布处理，公式如下；

式中，代表已知水样的平均值，α为置信度，(n-1)为t分布的自由度，s为标准差，n为已知水样个数；

求出各含水层置信度的平均值，平均置信度最高的含水层即为待测水样的判别类型；

步骤D中，在实际资料不充分的情况下，若不服从正态分布，经变换方法变换后，求出变换正态分布后的样本平均值和样本方差s，将已知的水样数据当作标准差未知的t分布处理，公式如下：

式中，代表已知水样的平均值，α为置信度，(n-1)为t分布的自由度，s为标准差，n为已知水样个数；

求出各含水层置信度的平均值，平均置信度最高的含水层即为待测水样的判别类型。

2.根据权利要求1所述的基于Piper-PCA-FCL判别模型的突水水源识别方法，其特征在于：步骤B中，利用AquaChem软件绘制Piper三线图。

3.根据权利要求1所述的基于Piper-PCA-FCL判别模型的突水水源识别方法，其特征在于：步骤C中，采用SPSS软件对数据进行主成分分析，根据主成分得分系数矩阵，计算出各水样的主成分得分。

4.根据权利要求1所述的基于Piper-PCA-FCL判别模型的突水水源识别方法，其特征在于：步骤D中，采用SPSS软件对各含水层标准化后的数据是否服从正态分布进行判定。