《表1 样本数据及分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Fisher-逐步判别法的煤与瓦斯突出预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在判别分析问题中，影响判别能力的变量很多，且影响程度大小不一。如果把主要变量误剔除，那么建立的判别函数其判别效果一定不佳；但判别变量很多而又不加剔除地全部被选入会造成在求解逆矩阵时计算精度下降。选取国内典型突出矿区的30个突出实例（收集自不同矿井的同一组煤层，且工程地质条件类似），其中20个作为训练样本（表1），另外10个作为待判样本（表5）。采用逐步判别分析法[11]对影响煤与瓦斯突出的敏感指标进行逐步判别筛选，由于收集到的突出实例中常用的敏感指标最大钻屑量Smax、钻屑解吸指标K1和Δh2等数据缺失，故采用其他5个敏感指标（即瓦斯压力、放散初速度、坚固性系数、煤体破坏类型和埋藏深度，分别用x1、x2、x3、x4、x5表示）进行逐步判别筛选，其中煤体破坏类型分为5类：1（非破坏煤）、2（破坏煤）、3（强烈破坏煤）、4（粉碎煤）、5（全粉煤）。取F进=5.0，F出=3.5作为逐步判别停止的临界值。若某一变量F≥5.0时，则表明该变量判别能力显著，需将其加入到判别模型中；若某一变量F≤3.5时，则表明该变量判别能力微弱，应将其剔除出判别模型。重复以上过程，直至计算到既没有变量加入也无变量被剔除，逐步判别分析过程才算结束。由于篇幅所限，对于逐步判别筛选判别因子的具体步骤不再详述。最终从给定的5个评价指标中将坚固性系数x3、煤体破坏类型x4剔除出突出判别函数，将瓦斯压力x1、瓦斯放散初速度x2、埋藏深度x5选入作为突出判别因子。