KNN算法在礦井水源識(shí)別中的應(yīng)用.pdf

1、在煤礦井下，發(fā)生的水害水災(zāi)是礦井安全工作中的重點(diǎn)防治對(duì)象。突水是水災(zāi)主要的體現(xiàn)，一旦發(fā)生，則會(huì)造成嚴(yán)重的人身和經(jīng)濟(jì)損失。所以，防治水害的工作是非常重要的。在水害防治工作中，對(duì)于礦井水源的識(shí)別工作也是必不可少的，對(duì)于傳統(tǒng)的識(shí)別方法，如水化學(xué)方法，其耗時(shí)長(zhǎng)、效率低等缺點(diǎn)都沒(méi)能很好地解決。
　　針對(duì)這些情況，本文提出了利用KNN算法結(jié)合LIF技術(shù)在礦井水源識(shí)別的應(yīng)用。首先分析煤礦井下水源的由來(lái)，詳細(xì)介紹其產(chǎn)生的原因與現(xiàn)階段礦井水源所處的

2、地下層，分析對(duì)礦井安全的危害。然后對(duì)礦井水源的水樣提取做出了要求和介紹，對(duì)于礦井下水樣的提取工作，是非常困難的，而且所提取的水樣需要進(jìn)行實(shí)驗(yàn)前處理，達(dá)到實(shí)驗(yàn)所需的要求。再對(duì)實(shí)驗(yàn)所用的實(shí)驗(yàn)設(shè)備進(jìn)行了介紹，實(shí)驗(yàn)的設(shè)備是自主研制的礦用設(shè)備，目前處于實(shí)驗(yàn)室階段。利用該設(shè)備，對(duì)所采集到的礦井水源進(jìn)行光譜數(shù)據(jù)的采集，設(shè)置好設(shè)備參數(shù)，保證采集過(guò)程在暗室進(jìn)行，之后將采集的光譜原始數(shù)據(jù)存儲(chǔ)在上位機(jī)中，待用。在光譜數(shù)據(jù)處理之前，需要對(duì)其進(jìn)行光譜預(yù)處理，本文

3、采用多種預(yù)處理方式，起到對(duì)比的作用，在其中選取最佳的光譜預(yù)處理方法。本文還介紹了KNN算法以及一些改進(jìn)的KNN算法，對(duì)于改進(jìn)的算法進(jìn)行了原理分析。并在實(shí)驗(yàn)中進(jìn)行多種改進(jìn)的KNN算法同時(shí)對(duì)光譜數(shù)據(jù)進(jìn)行處理分類(lèi)，在改變K值的基礎(chǔ)上，對(duì)多種改進(jìn)KNN算法的準(zhǔn)確度進(jìn)行分析，選取最佳的KNN算法。實(shí)驗(yàn)所用到的軟件有MATLAB和SPSS，對(duì)數(shù)據(jù)處理有很大的功能，操作起來(lái)也非常簡(jiǎn)單。最后，對(duì)來(lái)自淮南某一礦區(qū)所采集的礦井水源進(jìn)行了實(shí)際的分類(lèi)實(shí)驗(yàn)，利用

4、改進(jìn)的KNN算法對(duì)光譜數(shù)據(jù)進(jìn)行分類(lèi)，所分類(lèi)的準(zhǔn)確度非常可觀，再次證明了KNN算法在礦井水源識(shí)別中的應(yīng)用是非?？尚械?，而且具有很高的使用價(jià)值。
　　對(duì)于KNN算法在礦井水源中的應(yīng)用，本文所提出的這種識(shí)別分類(lèi)方法是第一次應(yīng)用。對(duì)于其仿真結(jié)果和實(shí)際的實(shí)驗(yàn)分析結(jié)果來(lái)說(shuō)，都說(shuō)明了，KNN算法在礦井水源識(shí)別的應(yīng)用中是非常值得研究的。也充分展示了，LIF技術(shù)在此領(lǐng)域的特殊之處，能夠快速的建立模型對(duì)未知的水樣進(jìn)行識(shí)別分類(lèi)。這對(duì)于今后的煤礦產(chǎn)業(yè)安全