一种含煤地层岩性优化识别方法

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％.

关键词：煤炭开采、含煤地层、岩性识别、钻进参数、主成分分析、模糊聚类、马氏距离

所属期刊栏目：46

分类号：TD325.4(矿山压力与支护)

资助基金：国家自然科学基金项目51774320

在线出版日期：2020-08-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：100-106