人工神经网络在矿井多水源识别中的应用

• 作者: 徐星 王公忠 郭兵兵
• 来源期刊: 中国安全生产科学技术
• 学科: 工学
• 关键词: 矿井多水源 BP神经网络 Elman神经网络 识别 泛化能力
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 职业安全卫生管理与技术
• 页码范围: 181-185
• 页数: 5页
• 分类号: X936
• 字数: 3073字
• 语种: 中文
• DOI: 10.11731/j.issn.1673-193x.2016.01.034

摘要

以焦作矿区水化数据为例,选用Na++K+、Ca2+、Mg2+、Cl-、SO42-、HCO3-6种水化离子浓度作为识别矿井水源的依据,运用Matlab软件分别建立BP神经网络与Elman神经网络的矿井多水源识别模型.应用结果表明:与静态的BP神经网络相比,在结构上增加承接层的Elman神经网络在训练和仿真中拟合能力更强,识别精度更高和泛化能力更好;矿井地下水随着地下开采与扰动具有动态性,将具有非线性动态特征的Elman神经网络应用于矿井多水源的识别,对准确判断突水来源和分析地下水运移规律具有一定的辅助和指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王公忠	河南工程学院安全工程学院	61	272	9.0	12.0
3	郭兵兵	河南工程学院安全工程学院	40	161	7.0	11.0
6	徐星	河南工程学院安全工程学院	35	141	7.0	10.0