主成分分析法总结 在实际问题研究中，多变量问题是经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂性，而且在许多实际问题中，多个变量之间是具有一定的相关关系的。 因此，人们会很自然地想到，能否在相关分析的基础上，用较少的新变量代替原来较多的旧变量，而且使这些较少的新变量尽可能多地保留原来变量所反映的信息？ 一、概述 在处理信息时，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠，例如，高校科研状况评价中的立项课题数与项目经费、经费支出等之间会存在较高的相关性；学生综合评价研究中的专业基础课成绩与专业课成绩、获奖学金次数等之间也会存在较高的相关性。而变量之间信息的高度重叠和高度相关会给统计方法的应用带来许多障碍。 为了解决这些问题，最简单和最直接的解决方案是削减变量的个数，但这必然又会导致信息丢失和信息不完整等问题的产生。为此，人们希望探索一种更为有效的解决方法，它既能大大减少参与数据建模的变量个数，同时也不会造成信息的大量丢失。主成分分析正式这样一种能够有效降低变量维数，并已得到广泛应用的分析方法。 主成分分析以最少的信息丢失为前提，将众多的原有变量综合成较少几个综合指标，通常综合指标（主成分）有以下几个特点： ↓主成分个数远远少于原有变量的个数 原有变量综合成少数几个因子之后，因子将可以替代原有变量参与数据建模，这将大大减少分析过程中的计算工作量。 ↓主成分能够反映原有变量的绝大部分信息 因子并不是原有变量的简单取舍，而是原有变量重组后的结果，因此不会造成原有变量信息的大量丢失，并能够代表原有变量的绝大部分信息。 ↓主成分之间应该互不相关 通过主成分分析得出的新的综合指标（主成分）之间互不相关，因子参与数据建模能够有效地解决变量信息重叠、多重共线性等给分析应用带来的诸多问题。 ↓主成分具有命名解释性 总之，主成分分析法是研究如何以最少的信息丢失将众多原有变量浓缩成少数几个因子，如何使因子具有一定的命名解释性的多元统计分析方法。 主成分分析的具体步骤如下： （1）计算协方差矩阵 计算样品数据的协方差矩阵：Σ=(s ij )p ?p ，其中 1 1()() 1n ij ki i kj j k s x x x x n ==---∑i ，j=1，2，…，p （2）求出Σ的特征值 i λ及相应的正交化单位特征向量i a Σ的前m 个较大的特征值λ1≥λ2≥…λm>0,就是前m 个主成分对应的方差，i λ对应的单 位特征向量 i a 就是主成分Fi 的关于原变量的系数，则原变量的第i 个主成分Fi 为：
一、主成分分析基本原理 概念：主成分分析是把原来多个变量划为少数几个综合指标的一种统计分析方法。从数学角度来看，这是一种降维处理技术。 思路：一个研究对象，往往是多要素的复杂系统。变量太多无疑会增加分析问题的难度和复杂性，利用原变量之间的相关关系，用较少的新变量代替原来较多的变量，并使这些少数变量尽可能多的保留原来较多的变量所反应的信息，这样问题就简单化了。 原理：假定有n 个样本，每个样本共有p 个变量，构成一个n ×p 阶的数据矩阵， 记原变量指标为x 1，x 2，…，x p ，设它们降维处理后的综合指标，即新变量为 z 1，z 2，z 3，… ，z m (m ≤p)，则 系数l ij 的确定原则： ①z i 与z j （i ≠j ；i ，j=1，2，…，m ）相互无关； ②z 1是x 1，x 2，…，x P 的一切线性组合中方差最大者，z 2是与z 1不相关的x 1，x 2，…，x P 的所有线性组合中方差最大者； z m 是与z 1，z 2，……，z m －1都不相关的x 1，x 2，…x P ， 的所有线性组合中方差最大者。 新变量指标z 1，z 2，…，z m 分别称为原变量指标x 1，x 2，…，x P 的第1，第2，…，第m 主成分。 从以上的分析可以看出，主成分分析的实质就是确定原来变量x j （j=1，2 ，…， p ）在诸主成分z i （i=1，2，…，m ）上的荷载 l ij （ i=1，2，…，m ； j=1，2 ，…，p ）。 ?????? ? ???????=np n n p p x x x x x x x x x X 2 1 2222111211 ?? ??? ? ?+++=+++=+++=p mp m m m p p p p x l x l x l z x l x l x l z x l x l x l z 22112222121212121111............
主成分分析计算方法和步骤： 在对某一事物或现象进行实证研究时,为了充分反映被研究对象个体之间的差异, 研究者往往要考虑增加测量指标,这样就会增加研究问题的负载程度。但由于各指标都是对同一问题的反映,会造成信息的重叠,引起变量之间的共线性,因此,在多指标的数据分析中,如何压缩指标个数、压缩后的指标能否充分反映个体之间的差异,成为研究者关心的问题。而主成分分析法可以很好地解决这一问题。 主成分分析的应用目的可以简单地归结为: 数据的压缩、数据的解释。它常被用来寻找和判断某种事物或现象的综合指标,并且对综合指标所包含的信息给予适当的解释, 从而更加深刻地揭示事物的内在规律。 主成分分析的基本步骤分为: ①对原始指标进行标准化,以消除变量在数量极或量纲上的影响;②根据标准化后的数据矩阵求出相关系数矩阵 R; ③求出 R 矩阵的特征根和特征向量; ④确定主成分,结合专业知识对各主成分所蕴含的信息给予适当的解释;⑤合成主成分,得到综合评价值。 结合数据进行分析 本题分析的是全国各个省市高校绩效评价，利用全国2014年的相关统计数据(见附录)，从相关的指标数据我们无法直接评价我国各省市的高等教育绩效，而通过表5-6的相关系数矩阵，可以看到许多的变量之间的相关性很高。如：招生人数与教职工人数之间具有较强的相关性，教育投入经费和招生人数也具有较强的相关性，教工人数与本科院校数之间的相关系数最高，到达了0.963，而各组成成分之间的相关性都很高，这也充分说明了主成分分析的必要性。 表5-6 相关系数矩阵 本科院校 数招生人数教育经费投入 相关性师生比0.279 0.329 0.252 重点高校数0.345 0.204 0.310 教工人数0.963 0.954 0.896 本科院校数 1.000 0.938 0.881 招生人数0.938 1.000 0.893 教育经费投 0.881 0.893 1.000 入
水城县杨家寨煤矿 煤层突出危险性评估报告煤层突出危险性评估报告
参加评估人员 2019年3月22日
目录 1.前言 (1) 2.矿井概况 (2) 2.1地理概况 (2) 2.2井田境界 (3) 2.3 矿井开拓及设计生产能力 (4) 3．矿井地质 (5) 3.1 地质构造及特征 (5) 3.2 地质构造 (7) 3.3 煤层及煤质 (9) 3.4 矿井瓦斯 (18) 4.煤层突出危险性评估 (19) 4.1 评估范围 (19) 4.2 评估依据 (19) 4.3 评估方法 (19) 4.4煤层瓦斯含量测算 (19) 4.5煤层瓦斯压力测算 (21) 4.6 煤层突出危险性认定 (21) 5.评估结论 (22) 1.前言 水城县杨家寨煤矿开采井田的煤系地层可采及局部可采煤层13层（C1、
C2、C5、C6、C8、C9、C10、C12、C13、C18a、C18b、C66、C67-69煤层），其中，设计开采的C1、C6、C12、C18煤层中，C1、C12、C18煤层经中国矿业大学矿山开采与安全教育部重点实验室于2010年12月7日鉴定具有煤与瓦斯突出危险性，C6煤层经煤炭科学研究总院沈阳研究院于2013年4月鉴定具有煤与瓦斯突出危险性。其余的C2、C5、C8、C9、C10、C13、C66、C67-69等8层煤未进行煤与瓦斯突出危险性鉴定工作。根据《煤矿安全规程》（2016年版）第一百九十一条“突出矿井的新采区和新水平进行开拓设计前，应当对开拓采区或者开拓水平内平均厚度在0.3m以上的煤层进行突出危险性评估，评估结论作为开拓采区或者开拓水平设计的依据”的要求，公司组织相关工程技术人员对矿井开采范围内未鉴定突出危险性的煤层进行突出危险性评估。 2.矿井概况 2.1地理概况 1）位置及交通 水城县杨家寨煤矿位于水城县阿戛镇境内，属于贵州省格目底向斜北东翼东段，行政区划属水城县阿戛镇管辖，地理坐标为：东经104°54′18″～104°54′42″，北纬26°30′05″～26°30′29″。距水城县25km，矿山有乡村公路接S314省道与水城县城相通。水城县城有贵（阳）昆（明）铁路通过，交通条件较好，矿井交通便利。 2）地形地貌 井田属构造侵蚀、溶蚀地貌，地形是以仲河为界，南北两侧高，并由北西向南东倾斜，最高点位于南西部的飞仙关地层山脊，标高1875.5m，最低点在仲河河谷，标高1570m左右，相对高差305.5m。 区内地形起伏大，多呈斜坡，坡度10°～65°，一般坡度在20°～35°
作业条件危险性评价（LEC） 作业条件危险性评价是一种半定量危险性评价法。它是以与系统风险率有关的三种因素指标值之积来评价系统人员伤亡风险的大小。其简化公式是：D=LEC。 L—事故或危险事件的可能性大小。当用概率来表示时，绝对不可能的事件发生的概率为0；而可能性小、完全意外发生的事件的分数值为1，在系统安全考虑时，绝对不发生事故是不可能的，所以认为地将事故实际不可能性的分数值定位0.1，而完全可能预料要发生的事件的可能性分数值定位10。介于两者之间发生事故的可能性制定了若干个中间值,如下表所示。 E—暴露于危险环境的频繁程度。人员出现在危险环境中的时间越频繁,则危险性越大。规定连续暴露在此环境的情况为10，而非常罕见地暴露在危险环境中的分数值为0.4。同样，将介于两者之间的各种为项规定若干个中间值，如下表所示。
C—发生事故可能造成的后果。事故造成的人身伤害变化范围很大，对伤亡事故来说，可能从极小的轻伤直到多人死亡的严重结果。由于发生事故可能产生的范围较广，所以规定分数值为1—100，轻伤规定分数为1，把发生事故造成10人以上死亡的可能性分数规定为100，其他情况的分数值均在1与100之间，如下表所示。 D—危险性分值。根据公式就可以计算作业的危险程度，但关键是如何确定各个分值之积总分的评价。依据经验，总分数值小于20被认为少有危险为1级，是低危险；如果危险分数值等于或大于70—160之间，那就是显著危险性，需要及时整改；如果危险分值等于或大于160时，其危险等级达到3-3级以上，那就表示有显著危险或高度危险性，应立即停止生产直到环境得到改善为止。危险等级的划分是凭经验判断，难免带有局限性，不能认为是普遍适用的。应用时需要结合实际情况予以修正。危险性分值等级划分如下表所示。
基于主成分分析的经济发展水平综合评价1 吴冲，王栋 哈尔滨工业大学管理学院，哈尔滨 (150001) E-mail：wuchong@https://www.doczj.com/doc/0313861572.html, 摘要：衡量一个国家的经济发展程度，要从其社会生产的各个方面去考察，要看各项生产能力的综合效果。为了客观、科学地分析我国的经济发展状况，本文首次把居民消费价格指数和商品零售价格指数引入评价指标体系中，提出一种新的社会发展水平综合指标体系，并通过SPSS分析软件进行上机计算，应用主成分分析方法对我国31个省、直辖市、自治区（不包括香港、澳门和台湾）的经济发展水平进行综合分析和评价，突出了各大省市经济发展进程的特点和优势，为我国实现均衡发展提供理论依据。 关键词：主成分分析，经济发展，综合评价 1. 引言 要描述和评价一个社会的经济发展状况，最理想的是找到一个总括性社会指标体系评价方法，其测度结果能够反映社会经济发展的全部或大部分信息。20世纪60年代以来一些国际性组织、国家和地区的职能部门以及研究学者曾经提出各种不尽完全相同的指标体系评价方法[1]。我国系统地研究社会发展指标体系评价方法起步较晚，但发展很快，20世纪80年代以来，国内一些政府部门、研究单位和个人先后设计了一些“社会指标体系评价方法”[2-4]，如：唐晓东[5]采用了21个指标变量的函数模型来评价我国社会经济发展状况，然而此模型一个最大缺点，就是没有把所有反映经济情况的因素考虑在内，得不到预期效果。但到目前为止，还没有形成一套完善、客观的社会经济发展综合指标体系评价方法，为了更加全面、客观地反映我国各地区的社会发展水平，本文在借鉴国内外研究成果的基础上，通过对我国已有研究成果的修正和充实，首次把居民消费价格指数和商品零售价格指数引入评价指标体系中，提出一种新的社会发展水平综合指标体系。 在实际经济问题中，不同的经济变量之间具有一定的相关性，如职工平均工资和消费水平必然有一定的关联性，这样势必增加分析问题的复杂性，因此需要有一种进行简化的方法。主成分分析法可以用较少的指标来代替原来较多的指标，并使这些较少的指标尽可能地反映原来指标的信息，从根本上解决了指标间的信息重叠问题，又大大简化了原指标体系的指标结构，用主成分分析法分析经济发展水平的优势主要体现在: (1)全面性(消除评价指标的相互影响)，在满足n p f的条件下，不限制指标的个数，可以综合评价一国的经济发展状况，主成分分析的降维处理技术能较好地解决多指标评价的要求，在选择了() p个主成分后， m m p 仍能保留原是数据信息的85%以上，因此这一方法综合评价经济发展水平比较全面，可以克服片面追求个别经济指标而忽略全面经济发展指标的倾向；(2)可加性(数据标准化处理)，在综合评价经济发展水平时，所建立的评价指标量纲往往不同，变差不能直接综合，主成分分析法避免了此现象的发生，因为在计算过程中，主成分分析法把各个指标进行了标准化处理，这就使得各个经济指标之间具有可比性即可加性；(3)客观性(科学的确定权重)，在层次分析法计算过程中，通过专家打分来确定权重，也就是说在确定权重的问题上具有了人为因素，而主成分分析法在确定综合因子的权重时，克服了某些评价方法中人为确定权重的缺陷，使得综合评价结果唯一；(4)简单性(计算简介)，随着电子计算机技术的发展，SPSS、SAS等计 1本课题得到高校博士点基金(20050213037）资助。
用主成分分析模型构造中学考试综合评价指数 [摘要] 在中学考试的综合评价中，使用较多的指标进行描述使分析复杂化，难以对众多指标的影响作出正确的判断，需要少量几个“综合评价指标”。通过简单加权的合成方法，难以得到科学的结果。主成分分析是一种多元统计方法，可以将众多指标简化浓缩为少量几个甚至一个综合评价指标，使简化的指标既能基本包括全部指标具有的信息，又使指标之间相互无关，较好地解决了这一课题。 [关键词] 考试评价；主成分分析；数学模型；计算步骤，指数构造方法 一、问题的提出 在中学考试评价中，通常使用各学科的“平均分”、“优秀率”、“及格率”和“低分率”等指标。考虑到成绩的分布状况（“优秀率”与“及格率”之间的差距偏大，可能失去部分信息量），某些地区还使用了“良好率”指标。这样，k 个学科的考试评价的p 项指标将多达k ╳p 个。在对考试进行综合的评价时，使用较多的指标进行描述不仅会增加评价的工作量，而且会因评价指标间的相关性造成评价信息重叠，相互干扰，其结果使分析复杂化，难以对众多指标的影响作出正确的判断。因此，需要少数几个甚至一个“综合评价指标”来代替众多的且相互之间具有相关关系的指标，同时又需要不失去原有指标具有的信息量，这是考试评价中具有现实意义的课题。 某些地区采用一种“降维”的方法，较成功地把k ╳p 维指标降为p 维指标，即在使用“总分平均分”的同时，用“科平均╳╳率”取代各科的“╳╳率”（计算方法见备注1）。如何把p 维指标再合成为一个“综合评价指标”？采用一些简单加权的合成方法时，由于对各指标的影响不容易作出正确的定量化的判断，及权数产生的科学性等问题，往往难以得到令人信服的科学的结果。 主成分分析是一种多元统计方法，可以将众多指标简化浓缩为少数几个甚至一个综合评价指标，使简化的指标既能基本包括全部指标具有的信息，又使指标之间相互无关。较好地解决了这一课题。 二、主成分分析的数学模型 设有n 个样品，每个样品观测p 个指标（变量）：X 1，X 2，…，X p , 得到原始数据矩阵： 用数据矩阵X 的p 个列向量（即p 个指标向量）作线形组合（即综合指标向量）为： 上述方程组要求： 且系数αij 由下列原则决定： ①、F i 与F j （i ≠j ，i ，j =1，…，p ）不相关； ②、F 1是X 1，X 2，…，X p 的一切线性组合（系数满足上述方程组）中方差最大的，F 2是与F 1不相关的X 1，X 2，…，X p 的一切线性组合中方差最大的，…，F p 是是与F 1，F 2，…，F p-1都不相关的X 1，X 2，…，X p 的一切线性组合中方差最大的。 ?? ? ??? ? ???? ???=np n n p p x x x x x x x x x X 2122221 11211 ??? ?? ???????=ni i i i x x x X 2 1 ?? ???? ?+++=+++=+++=p pp p p p p p p p p X a X a X a F X a X a X a F X a X a X a F 22122221122122111111 2 2221=+++pi i i a a a
浅析煤与瓦斯突出的危险性评价指标体系 煤与瓦斯突出是地应力、瓦斯压力、煤岩物理力学性质等多因素综合作用的结果。在地应力较大、瓦斯压力较高、煤体强度低和结构遭破坏层理紊乱的区域，煤和瓦斯突出危险性就越大。因此，在井下采掘过程中，根据引起煤与瓦斯突出的主要危险性因素，选取相应的突出危险性预测指标，科学地预测开采区域煤与瓦斯突出危险性即是保证矿井安全生产的一个主要环节，也是防突措施效果检验和治理煤和瓦斯突出的前提条件。 长期以来，现场工程技术及研究人员在煤与瓦斯突出预测方面作了大量的工作，提出了种种假说和经验公式[1][6]，但由于引起煤与瓦斯突出的原因相当复杂，影响煤与瓦斯突出的相关因素很多，这些因素之间的关系也较为复杂，因此在现场应用中常常会出现预测准确性较低的情况。本文结合煤层特性[2]，构建了煤与瓦斯突出危险性评价指标体系，为现场瓦斯治理提供参考依据。 1.物理特性 煤的物理特性是决定煤层是否具有突出危险性的基本参数。对于煤的破坏类型，由于地质构造或采动影响，同一区域内的煤层赋存形式有很大不同，我们按照不同破坏类型的煤层在该区域内所占的比例来确定其相应的突出危险程度；对于瓦斯放散初速度和煤的坚固性系数的评价，可在本区域内选择若干个有代表性的煤样，通过实验室分析并与指标临界值[5] 进行对照来确定其相应的突出危险程度；对于煤层瓦斯压力和瓦斯含量的评价可选择不同钻孔并测量对应的参数值，然后依据钻孔数量和指标标准值来计算其相应的突出危险程度。1.1 煤的破坏类型 煤的破坏类型指煤体受到构造应力作用后,由于其受破坏的程度不同,在物理、力学性质和特征方面产生的变化，因而形成的类别。煤的主要物理、力学性质和特征包括以下几个方面：煤的光泽、煤的构造与构造特征、煤的节理性质、煤的节理面性质、煤的断口性质以及煤的强度。煤的破坏程度越大，发生突出的危险性也会越大。依据以上煤的特性及防治煤与瓦斯突出细则[3]的规定，我们用煤的破坏类型来表示煤体的破坏程度大小，可将煤划分为五种类型，即非破坏煤、破坏煤、强烈破坏煤、粉碎煤和全粉煤。 1.2 煤的瓦斯放散初速度 煤的瓦斯放散初速度是表示含有瓦斯的煤体在完全暴露的条件下，所含瓦斯从吸附状态转化为游离状态快慢的一个指标。该指标反映了煤层瓦斯放散的快慢程度，其大小与煤的瓦斯含量、孔隙结构和孔隙表面性质有关。在瓦斯含量相同的条件下，煤的瓦斯放散初速度越大，煤的破坏程度越严重，越易于形成具有破碎能力的瓦斯流，越有利于突出的发生和发展。该指标是通过现场采取煤样，在实验室经破碎、筛取并装入特定仪器内真空脱气，然后使其在一定的压力下吸附瓦斯，最后吸附有瓦斯的煤样与真空小球相连使瓦斯放散，通过测定 1min内瓦斯压力的变化值来确定煤的瓦斯放散初速度，其单位为mmHg。 1.3 煤的坚固性系数 煤的坚固性系数是表示煤抵抗外力大小的一个综合性指标，它反映了煤的力学特性(煤的强度、硬度及脆性等)，煤层越坚固，其自身抵抗突出的能力就会越高。通常在实验室采用落锤法来测定该系数,该测定方法是建立在脆性材料的破碎遵循面积力能说的基础上，即认为破碎所消耗的功与破碎物料所增加的表面积成正比，当破碎功和破碎前物料的平均直径一定时，破碎后物料的平均直径越小，则物料的坚固性越低，反之亦然。 1.4 煤层瓦斯压力 煤层瓦斯压力是煤层孔隙内气体分子自由热运动撞击所产生的作用力，它在某一点上各
贵州###煤矿 预测突出危险性常用仪器 使用说明 ##煤矿通防部 二0一三年六月八日
预测突出危险性的常用仪器 目前，用于突出危险性预测的常用仪器有MD-2型煤钻屑瓦斯解吸仪和WTC 瓦斯突出参数仪和ZWC-2型钻孔瓦斯涌出初速度测定装置。 一、MD-2型煤钻屑瓦斯解吸仪 MD-2型煤钻屑瓦斯解吸仪用于煤矿井下石门揭煤和采掘工作面测定突出危险性预测,测定煤钻屑瓦斯解吸指标Δh2、k1值，以确定工作面煤与瓦斯突出危险性。 （一）原理和构造 MD-2型煤钻屑瓦斯解吸仪的原理是在井下不对煤样进行脱气和充气的条件下，利用煤钻屑中残存瓦斯压力（瓦斯含量），向一密闭的空间释放（解吸）瓦斯，用该空间体积和压力（以水柱计压差表示）变化来表征煤样解吸出的瓦斯量。 MD-2型煤钻屑瓦斯解吸仪主体为一整块有机玻璃加工而成，仪器构造如图1所示，由水柱计1、解吸室2、煤样瓶3、和三通旋塞4、两通旋塞5等组成。仪器外形尺寸为1mm 和3mm ，重量约为0.8kg 。 仪器配备有空径1mm 和3mm 分样筛一套，秒表一块，煤样瓶8只。 图1 MD-2型煤钻屑瓦斯解吸仪结构示意图 1-水柱计 2-解吸室 3-煤样瓶 4-三通旋塞 5-两通旋塞 （二）仪器主要技术性能 1.煤样粒度：1-3mm ； 2.煤样重量：10g ； 3.测定指标：Δh 2、k 1； 4.水柱计测定最大压差：200mm 水柱；
5.仪器系统误差：≤±1.46%； 6.仪器精密度：±1mm . （三）测定方法和步骤 1. 测定前的必要准备 给水柱计注水，并将两侧液面调整至刻度线，检查仪器的密封性。一旦密封失败，需要换新的“0”型密封圈。准备好配套设备，如秒表、分样筛等。 2. 煤钻屑采样 在石门揭煤工作面打钻时，每打1m 煤孔应采煤钻屑样1个，在钻孔进入到预定采样深度时，启动秒表开始计时，当钻屑排出孔时，用筛子在孔口收入集煤钻屑。经筛分后，取粒度1--3mm （1mm 筛上品，3mm 筛下品）煤样装入煤样瓶中，煤样应装至煤样瓶标志线位置（相当于煤样10g ）。 采掘工作面打钻时，每2米钻孔采煤钻屑样1个，采样方法和要求与石门揭煤工作面相同。 3.测定操作步骤 ①首先打开两通旋塞，然后将已采煤样的煤样瓶迅速放入解吸室中，拧紧解吸室上盖，打开三通旋塞，使解吸室与水柱计1和大气均连通，煤样处于暴露状态； ②当煤样暴露时间为3min 时，迅速逆时针方向旋转三通旋塞，使解吸室与大气隔绝，仅与水柱计连通，开始进行解吸测定，并重新开始计时； ③每隔1min 记录下解吸仪水柱压差，连续测定10min 。 （四）钻屑解吸指标确定 1.钻屑解吸指标Δh2 钻屑解吸指标测定开始后第2min 末解吸仪水柱计压差读数就是Δh2.该指标无需计算,直接从解吸仪水柱上读取，把mm 水柱转化成Pa 就得到实测Δh2值。 2.衰减系数C 和钻屑解析指标K1值也可测定，考虑到现场实际操作，多用在此不再赘述。 （五）测定注意事项 1.该仪器配备有8只煤样瓶，装满煤样瓶所标志的煤重为约10g 。为精确计算Δh 值，可在每一个煤样解吸测定后，有胶塞或纸团将煤样口塞紧，带到地面称量煤样重量（煤样处于自然干燥状态，然后按下式对测定值进行修正）。 Δh=10G Δh ’ 式中：Δh ’——井下解吸仪实测水柱计压差读数，mm 水柱； Δh ——修正后解吸仪水柱计压差读数，mm 水柱； G ——称量煤样重量，g ； 2.煤样暴露时间为煤钻屑自煤体脱落时起，到开始进行解吸测定的时间。可由下式计算： t0=t1+t2 式中：t0——煤样暴露时间，min; t1——煤屑自煤体脱落起到排至钻孔孔口所需的时间，min 。可由下式预计t=0.1L L ——取样时钻孔深度，m ； t2——从孔口取煤钻屑到开始进行解吸测定的时间，min 。 二、WTC 瓦斯突出多种参数仪 WTC 瓦斯突出参数仪是一种便携式矿用本质型智能测量仪器（图2），能测量钻屑瓦斯解吸指标K1 、综合指标Kf ，工作面放炮后30min 内吨煤瓦斯涌出量指标V30和瓦斯涌出
区域突出危险性预测技术标准 1 范围 本标准规定了新水平、新采区开拓前和新采区开拓完成后的区域突出危险性预测（以下简称区域预测）相关要求、预测方法和指标。 本标准适用于晋煤集团所属突出矿井和按突出矿井管理的矿井 2 规范性引用文件 下列文件对于本文件应用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 防治煤与瓦斯突出规定 煤矿安全规程 3基本要求 3.1 突出矿井、按突出管理矿井应当对突出煤层进行区域预测。经区域预测后，突出煤层划分为突出危险区和无突出危险区。 3.2 突出煤层区域预测的范围应由煤矿上一级管理部门根据突出矿井的开拓方式、巷道布置等情况划定。 3.3 区域预测分为新水平、新采区开拓前的区域预测（以下简称开拓前区域预测）和新采区开拓完成后的区域预测（以下简称开拓后区域预测）。 3.4 开拓前区域预测时，当预测区域的煤层缺少或者没有井下实测瓦斯参数时，可以主要依据地质勘探资料、上水平及邻近区域的实测和生产资料等进行开拓前区域预测。开拓前区域预测结果仅用于指导新水平、新采区的设计和新水平、新采区开拓工程的揭煤作业。 3.5开拓后区域预测时，应主要依据预测区域煤层瓦斯的井下实测资料，结合地质勘探资料、上水平及邻近区域的实测和生产资料等进行。开拓后区域预测结果用于指导工作面的设计和采掘生产作业。 3.6 对已确切掌握煤层突出危险区域的分布规律，并有可靠的预测资料的，区域预测工作可由矿技术负责人组织实施；否则，应委托有煤与瓦斯突出危险性鉴定资质的单位进行区域预测。 3.7 未进行区域预测的区域视为突出危险区。 3.8 矿井的区域预测范围、方法、预测指标、临界值、预测结果应上报煤矿上一级管理部门技术负责人批准。 3.9 区域预测范围和结果报告按晋煤集通字【2010】175号文件规定执行。 4 区域预测方法及其技术要求
主成分分析方法 我们进行系统分析评估或医学上因子分析等时，多变量问题是 经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂 性，而且在许多实际问题中，多个变量之间是具有一定的相关关 系的。因此，我们就会很自然地想到，能否在各个变量之间相关 关系研究的基础上，用较少的新变量代替原来较多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的 信息事实上，这种想法是可以实现的，本节拟介绍的主成分分析 方法就是综合处理这种问题的一种强有力的方法。 第一节主成分分析方法的原理 主成分分析是把原来多个变量化为少数几个综合指标的一种 统计分析方法，从数学角度来看，这是一种降维处理技术。假定 有 n 样本，每个样本共有 p 个变量描述，这样就构成了一个 n×p阶的数据矩阵： x 11 x 12 ... x 1 p x 21 x 22 ... x 2 p X ... ... ... ????(1) ... x n1 x n 2 ... x np
如何从这么多变量的数据中抓住事物的内在规律性呢要解决 这一问题， 自然要在 p 维空间中加以考察， 这是比较麻烦的。为了克服这一困难， 就需要进行降维处理， 即用较少的几个综合指标来代替原来较多的变量指标， 而且使这些较少的综合指标既能尽量多地反映原来较多指标所反映的信息， 同时它们之间又是彼此独立的。那么，这些综合指标（即新变量 )应如何选取呢显然，其最简单的形式就是取原来变量指标的线性组合， 适当调整组合系数，使新的变量指标之间相互独立且代表性最好。 如果记原来的变量指标为 x 1 , x 2 , x p ，它们的综合指标 —— 新 变量指标为 z 1 , z 2 ， z m （ m ≤p)。则 z 1 l 11x 1 l 12 x 2 l 1 p x p z 2 l 21 x 1 l 22 x 2 l 2 p x p (2) z m l m1x 1 l m2 x 2 l mp x p 在（ 2)式中，系数 l ij 由下列原则来决定： （ 1)z i 与 z j （ i ≠j；i ，j=1，2， ， m)相互无关； （ 2)z 1 是 x 1，x 2，?，x p 的一切线性组合中方差最大者； z 2 是与 z 1 不相关的 x 1， x 2，?，x p 的所有线性组合中方差 最大者； ；z m 是与 z 1，z 2，??z m-1 都不相关的 x 1， x 2， ?， x p 的所有线性组合中方差最大者。
如何有效利用主成分分析进行综合评价 摘要：由于主成分分析在多元统计分析中的降维作用，使之在社会、经济、医疗、生化等各领域运用越来越广泛，但由于传统主成分分析方法的局限性导致了一些问题的产生。这些问题吸引了许多领域专家的关注，并具有针对性的提出了一些不同的改进方法。本文介绍了主成分分析的基本和性质，并整理了近年来主成分分析在综合评价应用中遇到的普遍问题并整理验证了认同率较强的一些改进方法，以供大家研究学习。 关键词：主成分分析；综合评价；均值化 1引言 1.1研究的背景和意义 随着生产力的不断进步，生产方式由外延式扩张转化为追求经济效益的内涵式发展，以致在生产过程中必须考虑经济效益的各个方面，如生产力水平、技术进步、资源占用等情况，并需要就综合各方面的因素进行综合评价。 评价是根据确定的目的来测定对象系统的属性，并将这种属性变为客观定量的计值或者主观效用行为，整个过程离不开评价者的参与，而综合评价作为评价的一种也需要评价者做出相应反应或指示，而很多综合评价过程易受到评价者的干预，使评价结果产生偏差。 主成分分析能将高维空间的问题转化到低维空间去处理【9】，使问题变得比较简单、直观，而且这些较少的综合指标之间互不相关，又能提供原有指标的绝大部分信息。而且，伴随主成分分析的过程，将会自动生成各主成分的权重，这就在很大程度上抵制了在评价过程中人为因素的干扰，因此以主成分为基础的综合评价理论能够较好地保证评价结果的客观性，如实地反映实际问题。主成分综合评价提供了科学而客观的评价方法，完善了综合评价理论体系，为管理和决策提供了客观依据，能在很大程度上减少了上述不良现象的产生。 所以在社会经济、管理、自然科学等众多领域的多指标体系中，如节约型社会指标体系、生态环境可持续型指标体系、和谐社会指标体系、投资环境指标体系等，主成分分析法常被应用于综合评价与监控【6】。 综上所述，对综合评价指标体系理论进行研究，既有理论上的必要性，更有实践中的迫切性。 1.2研究的发展史
Guide operators to deal with the process of things, and require them to be familiar with the details of safety technology and be able to complete things after special training.煤与瓦斯突出预测敏感指标及其临界值的确定方法 正式版
煤与瓦斯突出预测敏感指标及其临界值的确定方法正式版 下载提示：此操作规程资料适用于指导操作人员处理某件事情的流程和主要的行动方向，并要求参加施工的人员，熟知本工种的安全技术细节和经过专门训练，合格的情况下完成列表中的每个操作事项。文档可以直接使用，也可根据实际需要修订后使用。 工作面煤与瓦斯突出(以下简称突出) 危险性预测和防突措施效果检验是突出矿 井进行防突管理的两项关键工作。目前我 国大多数突出矿井，在进行突出危险性预 测时所采用的预测指标及其临界值基本上 都是按照《防治煤与瓦斯突出细则》所推 荐的。但是，针对不同的矿井或煤层，突 出预测指标的敏感性及其临界值可能是不 同的，甚至存在很大的差异。矿井在使用 中应通过现场试验，摸索和确定适合本矿 煤层实际情况的突出预测指标及其临界 值。否则，可能因为指标不敏感或临界值
不合适而造成预测结果的不准确，导致误判，结果发生突出事故或增加不必要的防突措施工程。所以，确定矿井突出预测敏感指标及其临界值是防突工作中一项十分重要的内容。 1预测敏感指标的概念及确定方法 突出预测敏感指标是指针对某一煤层进行突出危险性预测时，在目前技术水平条件下能够较为明显地区分突出危险和非突出危险的指标。 煤与瓦斯突出是一种复杂的瓦斯动力现象，是由地应力、瓦斯及煤的物理力学性质3种因素综合作用的结果。理想的预测指标应是能够完全反映引发突出的3个因素，而实际上，目前常用的预测指标仅
在对某一事物或现象进行实证研究时,为了充分反映被研究对象个体之间的差异, 研究者往往要考虑增加测量指标,这样就会增加研究问题的负载程度。但由于各指标都是对同一问题的反映,会造成信息的重叠,引起变量之间的共线性,因此,在多指标的数据分析中,如何压缩指标个数、压缩后的指标能否充分反映个体之间的差异,成为研究者关心的问题。而主成分分析法可以很好地解决这一问题。 主成分分析的应用目的可以简单地归结为: 数据的压缩、数据的解释。它常被用来寻找和判断某种事物或现象的综合指标,并且对综合指标所包含的信息给予适当的解释, 从而更加深刻地揭示事物的内在规律。 主成分分析的基本步骤分为: ①对原始指标进行标准化,以消除变量在数量极或量纲上的影响;②根据标准化后的数据矩阵求出相关系数矩阵 R; ③求出 R 矩阵的特征根和特征向量; ④确定主成分,结合专业知识对各主成分所蕴含的信息给予适当的解释;⑤合成主成分,得到综合评价值。 结合数据进行分析 本题分析的是全国各个省市高校绩效评价，利用全国2014年的相关统计数据(见附录)，从相关的指标数据我们无法直接评价我国各省市的高等教育绩效，而通过表5-6的相关系数矩阵，可以看到许多的变量之间的相关性很高。如：招生人数与教职工人数之间具有较强的相关性，教育投入经费和招生人数也具有较强的相关性，教工人数与本科院校数之间的相关系数最高，到达了，而各组成成分之间的相关性都很高，这也充分说明了主成分分析的必要性。 表5-6 相关系数矩阵 本科院校 数招生人数教育经费投入 相关性师生比 重点高校数 教工人数 本科院校数 招生人数 教育经费投 入
师生比重点高校数教工人数 相关性师生比 重点高校数 教工人数 本科院校数 招生人数 教育经费投 入（元） 表5-7给出的是各主成分的方差贡献率和累计贡献率，我们选取主成分的标准有两个：第一，特征根大于1，因为，如果特征根小于1，说明该主成分的解释力度太弱，还比不上直接引入一个原始变量的平均解释力度大；第二，方差贡献率大于85%，如果这两个标准不能同时符合要求,则往往是因为选择的指标不合理或者样本容量太小,应继续调整。表5-7还显示，只有前2个特征根大于1，因此SPSS只提取了前两个主成分，而这两个主成分的方差贡献率达到了%，因此选取前两个主成分已经能够很好地描述我国高等教育地区现状。
兴隆县平安矿业有限公司 煤矿煤与瓦斯突出危险性评估报告书 编制：李金龙 二O一一年二月廿八日
参加评估人员名单
目录 1. 矿井概况 (1) 1.1 地理位置 (1) 1.2 含煤地层 (2) 1.3 地质构造 (4) 1.4 水文地质情况 (7) 1.5 岩浆岩侵入形态及其分布 (11) 1.6 煤层赋存特征 (12) 1.7 煤层工业分析 (13) 1.8 生产情况 (13) 1.9 矿井通风情况 (14) 1.10瓦斯、煤层自燃及煤尘情况 (14) 1.11矿井地温 (15) 2. 矿井瓦斯地质情况 (15) 2.1 近5年瓦斯鉴定情况 (15) 2.2 矿井瓦斯分布规律 (15) 2.3 煤层瓦斯风化带情况 (16) 2.4 瓦斯动力现象发生情况 (16) 3. 煤与瓦斯突出危险性评估 (16) 3.1 煤与瓦斯突出危险性评估 (16) 3.2 对瓦斯防治工作的建议 (16)
兴隆县平安矿业有限公司 煤矿煤与瓦斯突出危险性评估报告书 1. 矿井概况 1.1 地理位置 河北省兴隆县平安矿业有限公司位于河北省兴隆县城东北方向20km，承德市鹰手营子矿区西南7.5km，矿区范围由1-14号拐点圈定，矿区范围拐点坐标见下表1，面积1.973km2。中心地理坐标：东经117°35′22″，北纬40°29′34″。 本矿井为古生代和元古代地质组成，受燕山运动而形成的高山地带，地面海拨在+500m—+895m之间，气温在-20?—36.5?之间，井田内有柳河自南向北从中部流过，年平均流量320.8平方米/秒，历史最大流量为510立方米/秒。 矿区范围拐点坐标表（表1）
煤与瓦斯区域突出危险性预测 第四十二条区域预测一般根据煤层瓦斯参数结合瓦斯地质分析的方法进行，也可以采用其他经试验证实有效的方法。 根据煤层瓦斯压力或者瓦斯含量进行区域预测的临界值应当由具有突出危险性鉴定资质的单位进行试验考察。在试验前和应用前应当由煤矿企业技术负责人批准。 区域预测新方法的研究试验应当由具有突出危险性鉴定资质的单位进行，并在试验前由煤矿企业技术负责人批准。 【解读】本条规定了区域预测方法、煤层瓦斯压力、含量区域预测指标临界值试验考察、区域预测新方法试验必须有资质单位进行。实验方案和实验结果应分别在实验前和应用前报煤矿企业技术负责人批准。 一、区域预测方法 1、煤层瓦斯参数结合瓦斯地质分析； 2、其他经验证有效的方法。 二、预测临界值考察（含预测新方法研究试验）应由具有突出危险性鉴定资质的单位进行。 三、临界值考察方案和结果批准权限为煤矿企业技术负责人。 第四十三条根据煤层瓦斯参数结合瓦斯地质分析的区
域预测方法应当按照下列要求进行： （一）煤层瓦斯风化带为无突出危险区域； （二）根据已开采区域确切掌握的煤层赋存特征、地质构造条件、突出分布的规律和对预测区域煤层地质构造的探测、预测结果，采用瓦斯地质分析的方法划分出突出危险区域。当突出点及具有明显突出预兆的位置分布与构造带有直接关系时,则根据上部区域突出点及具有明显突出预兆的位置分布与地质构造的关系确定构造线两侧突出危险区边缘到构造线的最远距离,并结合下部区域的地质构造分布划分出下部区域构造线两侧的突出危险区;否则,在同一地质单元内,突出点及具有明显突出预兆的位置以上20m(埋深)及以下的范围为突出危险区(如图1)； （三）在上述（一）、（二）项划分出的无突出危险区和突出危险区以外的区域，应当根据煤层瓦斯压力P进行预测。如果没有或者缺少煤层瓦斯压力资料，也可根据煤层瓦斯含量W进行预测。预测所依据的临界值应根据试验考察确定，在确定前可暂按表2（编者注：本书为表3-2-1）预测。 表3-2-1 根据煤层瓦斯压力或瓦斯含量进行区域预测的临界值 瓦斯压力P （MPa） 瓦斯含量W （m3/t） 区域类别 P﹤0.74 W﹤8 无突出危险区
第四节 主成分分析方法 地理环境是多要素的复杂系统，在我们进行地理系统分析时，多变量问题 是经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂性， 而且在许多 实际问题中，多个变量之间是具有一定的相关关系的。因此，我们就会很自然地 想到，能否在各个变量之间相关关系研究的基础上， 用较少的新变量代替原来较 多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的信 息？事实上，这种想法是可以实现的，本节拟介绍的主成分分析方法就是综合处 理这种问题的一种强有力的方法。 第一节主成分分析方法的原理 主成分分析是把原来多个变量化为少数几个综合指标的一种统计分析方法， 从数学角度来看，这是一种降维处理技术。假定有n 个地理样本，每个样本共有 p 个变量描述，这样就构成了一个 n xp 阶的地理数据矩阵： 如何从这么多变量的数据中抓住地理事物的内在规律性呢？要解决这一问 题，自然要在p 维空间中加以考察，这是比较麻烦的。为了克服这一困难，就需 要进行降维处理，即用较少的几个综合指标来代替原来较多的变量指标， 而且使 这些较少的综合指标既能尽量多地反映原来较多指标所反映的信息， 同时它们之 间又是彼此独立的。那么，这些综合指标(即新变量 )应如何选取呢？显然，其 最简单的形式就是取原来变量指标的线性组合， 适当调整组合系数，使新的变量 指标之间相互独立且代表性最好。 如果记原来的变量指标为X i ， 为 X i ，X 2，…，zm (mep)。贝U 坷"】內+G 衍++l]p% X 2，…，X P ，它们的综合指标 新变量指标
在(2)式中，系数l j由下列原则来决定: (1)乙与z j (i工j ；i , j=1 , 2,…,m)相互无关; (2) ............................................................................................................... z i是x i，X2，…，X P的一切线性组合中方差最大者；Z2是与z i不相关的X i, X2，…，X P的所有线性组合中方差最大者；；Z m是与Z i，乙， ..................................... Z m-1都不 相关的X i, X2，…，X P的所有线性组合中方差最大者。 这样决定的新变量指标z i, Z2，…，zm分别称为原变量指标X i, X2,…，X P 的第一，第二，…，第m主成分。其中，乙在总方差中占的比例最大，z2,Z3,…, z m的方差依次递减。在实际问题的分析中，常挑选前几个最大的主成分，这样既减少了变量的数目，又抓住了主要矛盾，简化了变量之间的关系。 从以上分析可以看出，找主成分就是确定原来变量X j (j=i , 2,…，P)在诸 主成分Z i (i=i , 2,…，m)上的载荷l j (i=i , 2,…，m j=i , 2,…，p)，从数学上容 易知道，它们分别是X i, X2,…，X P的相关矩阵的m个较大的特征值所对应的特征向量。 第二节主成分分析的解法 主成分分析的计算步骤 通过上述主成分分析的基本原理的介绍，我们可以把主成分分析计算步骤归纳如下： (i) 计算相关系数矩阵 IP J 在公式(3)中，九(i , j=i , 2,…，p)为原来变量X i与X j的相关系数，其计算公式为 因为R是实对称矩阵(即r j=r j),所以只需计算其上三角元素或下三角元素即可。 (2) 计算特征值与特征向量