采用Na⁺+K⁺、Ca²⁺、Mg²⁺、Cl^-、SO₄^2-和HCO₃^-六種常規(guī)水化學指標作為礦井突水水源識別的依據(jù),利用Piper三線圖分析了各充水水源水化學特征,篩選出適用于模型構(gòu)建的樣本。運用SPSS軟件構(gòu)建RBF神經(jīng)網(wǎng)絡,對6組待測樣本進行識別。結(jié)果表明:RBF神經(jīng)網(wǎng)絡對孔隙水、地表水和奧灰水的判別正確率均為100%,對于砂巖水和太灰水的判別正確率分別為91.7%和50%;經(jīng)過待判檢驗,RBF神經(jīng)網(wǎng)絡待判檢驗正確率為92.3%。 

【文章來源】：能源環(huán)境保護. 2020,34(05)

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 RBF神經(jīng)網(wǎng)絡原理
2 水源識別模型的建立
    2.1 樣本數(shù)據(jù)的選擇與處理
    2.2 水源識別模型的訓練
3 結(jié)論


【參考文獻】：
期刊論文
[1]礦井充水水源識別的EW-UCA模型及應用[J]. 張洋,馬云東,吳浩.  水文地質(zhì)工程地質(zhì). 2014(04)
[2]基于主成分分析與距離判別分析法的突水水源識別方法[J]. 宮鳳強,魯金濤.  采礦與安全工程學報. 2014(02)
[3]礦井突水水源判別的多組逐步Bayes判別方法研究[J]. 陳紅江,李夕兵,劉愛華.  巖土力學. 2009(12)
[4]數(shù)量化理論在礦井突(涌)水水源判別中的應用[J]. 張許良,張子戌,彭蘇萍.  中國礦業(yè)大學學報. 2003(03)
[5]采面回采過程中出現(xiàn)突水征兆的分析與防治[J]. 黃國華,劉生忠,吳祥,李祥華.  山東煤炭科技. 2003(01)



本文編號：3155099