留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种含煤地层岩性优化识别方法

张宁 张幼振 姚克

张宁,张幼振,姚克.一种含煤地层岩性优化识别方法[J].工矿自动化,2020,46(7):100-106..  doi: 10.13272/j.issn.1671-251x.2020010037
引用本文: 张宁,张幼振,姚克.一种含煤地层岩性优化识别方法[J].工矿自动化,2020,46(7):100-106..  doi: 10.13272/j.issn.1671-251x.2020010037
ZHANG Ning, ZHANG Youzhen, YAO Ke. An optimized identification method of coal-bearing stratum lithology[J]. Industry and Mine Automation, 2020, 46(7): 100-106. doi: 10.13272/j.issn.1671-251x.2020010037
Citation: ZHANG Ning, ZHANG Youzhen, YAO Ke. An optimized identification method of coal-bearing stratum lithology[J]. Industry and Mine Automation, 2020, 46(7): 100-106. doi: 10.13272/j.issn.1671-251x.2020010037

一种含煤地层岩性优化识别方法

doi: 10.13272/j.issn.1671-251x.2020010037
基金项目: 

国家自然科学基金项目(51774320)

详细信息
  • 中图分类号: TD325.4

An optimized identification method of coal-bearing stratum lithology

  • 摘要: 针对现有煤矿井下含煤地层岩性识别方法存在地层信息参数获取难度大、岩性识别精度低的问题,提出了一种基于主成分分析(PCA)算法和核模糊C均值聚类(KFCM)算法的含煤地层岩性优化识别方法。利用钻进试验台获取机械钻速、回转扭矩、钻压、转速、回转压力和泥浆泵流量6种钻进敏感参数,构造高维钻进参数集,作为识别数据来源,包括训练样本和测试样本;结合PCA算法的特征提取优势和KFCM算法具有较好聚类效果的特点,建立基于PCA-KFCM算法的岩性识别模型;采用PCA算法对训练样本进行特征提取和降维处理,得到训练样本的特征值和特征向量;采用KFCM算法对训练样本主成分数据集进行模糊核聚类分析,将试验岩样分为若干类型;通过马氏距离判别法建立判别准则,利用最小马氏距离完成对测试样本的地层岩性识别。测试结果表明,基于PCA-KFCM算法的含煤地层岩性优化识别方法能够有效识别地层岩性,与常规KFCM算法相比,识别精度提高了23.2%。

     

  • 加载中
计量
  • 文章访问数:  58
  • HTML全文浏览量:  13
  • PDF下载量:  9
  • 被引次数: 0
出版历程
  • 刊出日期:  2020-07-20

目录

    /

    返回文章
    返回