用Fisher判别法和支持向量机预测地下矿山矿柱稳定性

摘要

利用Fisher判别分析（FDA）和支持向量机（SVMs）等来识别地下矿山矿柱稳定性,从多种煤矿和石材矿山中提取一些指标和力学参数作为识别因子,包括矿柱宽度、高度、矿柱的高宽比、岩石单轴抗压强度和矿柱应力。包括取样、训练、建模和评估4个主要步骤。在建模阶段,基于统计学习理论,建立两类矿柱稳定性预测的FDA和SVMs模型,以40组世界不同矿山的实测数据进行模型的训练和测试,并将其模型应用于其他6组待测样本来验证建立模型的有效性,将SVMs模型预测结果与FDA模型及实际情况进行对比,采用指标回代估计法和交叉验证法来考察模型的识别能力。研究表明,SVMs和FDA模型都能较好地预测矿柱的稳定性,但SVMs的优势更明显,有望成为一种可靠、实用的地下矿山矿柱稳定性的评价工具。