基于PCA-KD-KNN方法的矿井突水水源判别分析研究

张慧玲¹，李博^2,3，张文平¹，刘子捷¹，王玉松¹

1. 贵州大学资源与环境工程学院2. 贵州大学国土资源部喀斯特环境与地质灾害重点实验室3. 贵州大学喀斯特地质资源与环境教育部重点实验室

摘 要：在煤矿开采过程中,矿井突水事故严重威胁着煤矿安全生产和工人的生命安全。为了快速准确地判别矿井突水水源,达到有效预防水害事故的目的,基于KD-tree（K-dimension tree）与KNN（K-Nearest Neighbor algorithm,KNN）算法,建立了矿井突水水源判别方法。根据矿井中不同含水层的水化学特征的差异性,选取9种水化学成分作为突水水源的判别指标。采用主成分分析法（PCA）进行数据降维;进一步运用K维树形结构存储训练样本,提高数据搜索效率,然后结合KNN算法进行突水水源判别。以蔚州矿区为例,采用矿区4个含水层的24组实测数据构建模型,其中16组作为训练样本,另外8组为测试样本,并与传统KNN算法的判别结果进行对比。结果表明:KD-tree确定了离待测样本最邻近的3个训练样本,降低了KNN算法的计算复杂度。对比KD-tree与KNN相结合的新方法与传统KNN算法的判别结果,新方法的准确率提高了25%,说明新方法能使判别结果更加快速准确。

关键词：矿井突水;水源判别模型;水化学成分;KD-tree;K近邻算法（KNN）;