基于不同判别准则的硬岩矿柱状态识别模型

• 作者: 刘建 周健 赵国彦
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 硬岩矿柱 状态识别 判别分析 主成分分析 敏感性分析
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 地质工程?土木工程
• 页码范围: 2813-2820
• 页数: 8页
• 分类号: TD853
• 字数: 5061字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2018.11.023

摘要

基于162个硬岩矿柱样本,构建不同判别准则下矿柱状态识别的Fisher判别分析(FDA)模型、距离判别分析(DDA)模型和Bayes判别分析(BDA)模型,进而与多元逻辑回归(MLR)、极限学习机(ELM)、最小二乘支持向量机(LS-SVM)、支持向量机(SVM)、高斯过程分类(GPC)、分类回归树(CART)、神经网络(ANN)共7种常用的统计学习方法进行比较,同时探讨主成分分析(PCA)方法提高识别准确率的可行性,并对矿柱状态影响因子进行敏感性分析.研究结果表明:这10种统计学习方法中,GPC的准确率最高,FDA的准确率次之,然后是MLR,CART的准确率最低;对于3种判别分析方法,FDA的准确率最高,DDA与BDA的准确率几乎相当;增加判别指标,DDA和BDA的判别准确率显著降低,其他方法对判别指标增减不敏感;对某些方法,原始数据经PCA处理后不能提高其判别准确率;矿柱状态对矿柱应力最敏感,其次是矿岩单轴抗压强度,其对矿柱宽高比的敏感性较低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周健	中南大学资源与安全工程学院	56	595	15.0	22.0
2	赵国彦	中南大学资源与安全工程学院	151	2274	25.0	40.0
3	刘建	中南大学资源与安全工程学院	20	68	5.0	7.0