KNN算法在礦井水源識別中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩79頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

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)防治對象。突水是水災(zāi)主要的體現(xiàn),一旦發(fā)生,則會造成嚴(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,對于礦井水源的識別工作也是必不可少的,對于傳統(tǒng)的識別方法,如水化學(xué)方法,其耗時長、效率低等缺點(diǎn)都沒能很好地解決。
  針對這些情況,本文提出了利用KNN算法結(jié)合LIF技術(shù)在礦井水源識別的應(yīng)用。首先分析煤礦井下水源的由來,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,分析對礦井安全的危害。然后對礦井水源的水樣提取做出了要求和介紹,對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)行實驗前處理,達(dá)到實驗所需的要求。再對實驗所用的實驗設(shè)備進(jìn)行了介紹,實驗的設(shè)備是自主研制的礦用設(shè)備,目前處于實驗室階段。利用該設(shè)備,對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),保證采集過程在暗室進(jìn)行,之后將采集的光譜原始數(shù)據(jù)存儲在上位機(jī)中,待用。在光譜數(shù)據(jù)處理之前,需要對其進(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,對于改進(jìn)的算法進(jìn)行了原理分析。并在實驗中進(jìn)行多種改進(jìn)的KNN算法同時對光譜數(shù)據(jù)進(jìn)行處理分類,在改變K值的基礎(chǔ)上,對多種改進(jìn)KNN算法的準(zhǔn)確度進(jìn)行分析,選取最佳的KNN算法。實驗所用到的軟件有MATLAB和SPSS,對數(shù)據(jù)處理有很大的功能,操作起來也非常簡單。最后,對來自淮南某一礦區(qū)所采集的礦井水源進(jìn)行了實際的分類實驗,利用

4、改進(jìn)的KNN算法對光譜數(shù)據(jù)進(jìn)行分類,所分類的準(zhǔn)確度非常可觀,再次證明了KNN算法在礦井水源識別中的應(yīng)用是非常可行的,而且具有很高的使用價值。
  對于KNN算法在礦井水源中的應(yīng)用,本文所提出的這種識別分類方法是第一次應(yīng)用。對于其仿真結(jié)果和實際的實驗分析結(jié)果來說,都說明了,KNN算法在礦井水源識別的應(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未知的水樣進(jìn)行識別分類。這對于今后的煤礦產(chǎn)業(yè)安全

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論