文献

J-GLOBAL ID：202002282019545587   整理番号：20A0076178

統計解析に基づく鉱山水源の認識に関する研究【JST・京大機械翻訳】

Study on recognition of mine water sources based on statistical analysis

著者 (6件)： Hou Enke (Xi’an University of Science and Technology, Xi’an, China) ,  Wen Qiang (Xi’an University of Science and Technology, Xi’an, China) ,  Che Xiaoyang (Xi’an University of Science and Technology, Xi’an, China) ,  Chen Wei (Xi’an University of Science and Technology, Xi’an, China) ,  Wei Jiangbo (Xi’an University of Science and Technology, Xi’an, China) ,  Ye Zhenni (Xi’an University of Science and Technology, Xi’an, China)
資料名： Arabian Journal of Geosciences  (Arabian Journal of Geosciences)
巻： 13  号： 1  ページ： 1-12  発行年： 2020年 
JST資料番号： W4050A  ISSN： 1866-7511  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 地下鉱山水の供給源を認識するためのモデルは,活発な地下鉱山における水源のリアルタイムモニタリングのための基礎であった。水源のリアルタイムモニタリングは,水突入を予測し,洪水災害を制御するために非常に重要である。本研究では,Ningtiaota Coal Mine,Jiaozuo Coal Mine,Xieyi Coal Mine,およびHuacheng Coal Mineの主な帯水層の水化学データを用いた。対照実験を通して,判別指数の次元縮小処理の影響と鉱山水源モデルの能力の認識における判別分析方法の選択を,水化学データのために種々のサンプルサイズのために分析した。研究は,サンプルサイズが小さいとき,段階的判別分析と主成分分析を用いた次元縮小処理が,鉱山水源を認識するモデルの能力を著しく改善できることを示した。距離判別法を用いたモデルの認識精度は,他の2つの方法のものより著しく低く,Bayesモデルの認識能力はFisherモデルのものよりわずかに良い。サンプルサイズが十分大きいとき,次元縮小処理は,モデルの認識能力をもはや改善することができず,そして,すべての3つの方法は,同じ認識能力を持った。本研究は,鉱山水源認識の確立と最適化のために重要な参考を提供することができて,それは炭鉱水突入事象の予測と防止のために重要であることを期待した。Copyright 2019 Saudi Society for Geosciences Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *水源 ,  主成分分析 ,  最適化 ,  *鉱山 ,  水化学 ,  炭鉱 ,  次元縮小 ,  判別分析 ,  帯水層 ,  統計解析 ,  水害
準シソーラス用語： Bayes法 ,  認識精度 ,  リアルタイムモニタリング ,  地下鉱山 , 【Automatic Indexing@JST】

著者キーワード (4件)： 水化学 ,  鉱山水源認識 ,  次元縮小処理 ,  判別分析

分類 (2件)： 測地学  (DC02000X) ,  地質構造・テクトニクス  (DE04030Y)

タイトルに関連する用語 (4件)： 統計解析 ,  鉱山 ,  水源 ,  研究