矿井突水水源的SVM识别方法

为解决在有限监测信息下,矿井突水水源识别中原始指标众多,识别矩阵呈现出的高维、稀疏性问题,采用相关性理论和支持向量机（SVM）,提出了矿井突水水源识别方法.计算训练样本相关性及单指标误判个数.依据误判数对各指标进行重要性排序.构建指标组合并约简出测试正确率最高的指标组合,再利用构建的基于相关性理论的矿井突水水源SVM识别模型,实现高维小样本评价.结果表明:Ca2+,Mg2+,K++Na+彼此间相关性较高;K++Na+和CL-,HCO3-和SO42-相关性均较低;Ca2+较重要,SO42-和CL-较不重要;约简评价体系的冗余指标,可节约监测成本,且能够在有限监测信息下,保证识别正确率.