Combining the Fisher Feature Extraction and Support Vector Machine Methods to Identify the Water Inrush Source: A Case Study of the Wuhai Mining Area

Abstract

Discriminating the source of water inrush accurately and efficiently is necessary for water control in the coal mining industry. We combined the Fisher feature extraction and support vector machine (SVM) methods and applied this new model to the Wuhai mining area. The method extracts features from the raw data and integrated SVM, and synthetically considers the influence of geographical factors. Cross-analysis was tested 100 times, which arbitrarily selected 12 samples for the prediction and discrimination process. The results indicate that this new combined model of linear dimension reduction and non-linear dimension elevation was more accurate and efficient in discriminating water inrush sources than the traditional SVM model. Moreover, by reducing the penalty term of SVM model, we analyzed the correlation among the aquifers. We concluded that aquifers II and IV correlated strongly with each other, and that aquifer III was poorly connected with the other aquifers.

Zusammenfassung

In der Kohlenbergbauindustrie ist die präzise und effiziente Unterscheidung der Quelle von Wassereinbrüchen zur Kontrolle erforderlich. Wir kombinierten die Fisher-Merkmalextraktion (FFE) und die Methode unterstützender Vektormaschinen (SVM) und verwendeten das neue Modell im Wuhai-Bergbaugebiet. Die Methode extrahiert Merkmale aus Rohdaten und integrierten Vektormaschinen und bezieht den Einfluß geographischer Faktoren synthetisierend ein. Queranalysen wurden 100-fach getestet, daraus wurden 12 zufällig gewählte Proben für den Prozess der Vorhersage und Unterscheidung entnommen. Die Resultate zeigen, daß dieses neue kombinierte Modell der Reduktion linearer Dimensionen und nicht-linearer Höhendimension bei der Unterscheidung von Einbruchquellen genauer und effizienter war als das traditionelle SVM-Modell. Durch Reduktion des Strafterms des SVM-Modelles untersuchten wir die Korrelation der Aquifere. Wir schlossen daraus, daß die Aquifere I und IV stark miteinander korrelierten, während Aquifer III mit den anderen Aquiferen gering verbunden war.

Resumen

Para el control de la irrupción de agua en la industria minera del carbón, es necesario discriminar la fuente de entrada de agua de forma precisa y eficiente. Hemos combinado los métodos de extracción de características Fisher (FFE) y de máquina de vectores de soporte (SVM) para aplicarlo posteriormente al área minera de Wuhai. El método extrae características de los datos en bruto y SVM integrado y considera sintéticamente la influencia de factores geográficos. El análisis cruzado se probó 100 veces, que seleccionó arbitrariamente 12 muestras para el proceso de predicción y discriminación. Los resultados indican que este nuevo modelo combinado de reducción de dimensión lineal y elevación de dimensión no lineal fue más preciso y eficiente para discriminar las fuentes de entrada de agua que el modelo SVM tradicional. Además, al reducir el término de penalización del modelo SVM, analizamos la correlación entre los acuíferos. Llegamos a la conclusión de que los acuíferos I y IV se correlacionaban fuertemente entre sí y que el acuífero III estaba pobremente conectado con los otros acuíferos.

抽象

突水水源准确有效判别对矿井水害防治至关重要。构建了Fisher特征提取与支持向量机(SVM)相结合的突水水源判别方法,并运用于乌海煤矿。该方法从原始数据中提取特征要素并嵌入SVM模型,同时系统考虑了地理要素对水源判别的影响。交叉验证进行了100次,选出12组样本数据用以预测和识别。结果表明,与传统支持向量机(SVM)模型相比,新方法通过线性降维和非线性升维相结合使突水水源识别更准确、有效。另外,通过减少支持向量机(SVM)的惩罚项,分析了含水层之间联系。得出含水层I和含水层IV水力联系密,而含水层III与其它含水层联系较弱。