[发明专利]一种矿井突水水源层识别方法

摘要

本发明涉及一种矿井突水水源层识别方法，是在获取矿井主要含水层类别的基础上，提取各含水层的水化学数据，建立水化学数据与含水层之间分类模型。本方法利用粒子群优化分类器的方法来建立矿井突水水源层分类识别模型，再用建立好的矿井突水水源识别模型对测试样本进行检测，比较了基于LSSVM的矿井水源识别和基于粒子群优化的LS-SVM的矿井水源识别，检测结果表明，本方法明显优于未采用PSO模型优化的LS-SVM模型，较好地克服了现有的突水层水源判别方法都要预先假定模式或者主观规定一些参数，导致评价结果主观性较强的不足。本发明建模的方法更科学，所建立的PSO-LS-SVM模型具有非常好的泛化能力。

主权项

一种矿井突水水源层识别方法，其特征在于：按如下步骤操作：步骤一、获取已知的矿井水源样本数据及水源层信息，对数据进行预处理；将获取的矿井水源层数据采用基于粒子群优化LS‑SVM分类模型进行分类并编号，以矿井各个水源层的所有离子浓度作为判别因素，输入为列向量，其输出层为对应的水源层编号；步骤二、将获取的数据分为两部分，一部分作为LS‑SVM训练样本，另一部分作为测试样本，并通过粒子群算法，即PSO算法对LS‑SVM参数进行优化；将训练样本用于支持向量回归机，测试样本用于验证模型的精度；(1)对数据预处理：将训练样本和测试样本分开进行归一化处理；(2)通过PSO算法优化LS‑SVM参数；步骤三、获得LS‑SVM最优参数；步骤四、采用支持向量机的最优网络模型对训练样本进行训练建模，建立矿井突水水源识别模型；步骤五、采用建立的矿井突水水源识别模型对测试样本进行检测；步骤六、给出矿井突水水源识别结果。