基于RBF神经网络的矿井突水水源识别方法研究
左明玺1
杜松2
李媛2
梁戈龙1
1.华能庆阳煤电有限责任公司核桃屿煤矿,甘肃庆阳7450002.中国煤炭地质总局勘查研究总院,北京100039
摘要：采用Na++K+、Ca2+、Mg2+、Cl-、SO42-和HCO3-六种常规水化学指标作为矿井突水水源识别的依据,利用Piper三线图分析了各充水水源水化学特征,筛选出适用于模型构建的样本.运用SPSS软件构建RBF神经网络,对6组待测样本进行识别.结果表明:RBF神经网络对孔隙水、地表水和奥灰水的判别正确率均为100％,对于砂岩水和太灰水的判别正确率分别为91.7％和50％;经过待判检验,RBF神经网络待判检验正确率为92.3％.
关键词：矿井突水水源识别RBF神经网络
分类号：X752(矿业、冶金工业污染、废物处理与综合利用)
资助基金：中国煤炭地质总局科技项目(ZMKJ-2019-J08)
论文发表日期：2020-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 47-52 )
英文信息