基于遗传BP神经网络的矿井突水水源识别

• 作者: 张凯婷 王欣 葛恒清 陈友群
• 来源期刊: 淮阴师范学院学报（自然科学版）
• 学科: 工学
• 关键词: 矿井突水 水源识别 遗传BP神经网络
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 物理与电子电气工程
• 页码范围: 307-311
• 页数: 5页
• 分类号: TD745
• 字数: 2595字
• 语种: 中文

摘要

为了快速有效识别矿井突水水源,消除矿井水害,综合考虑各种水化学离子在水源识别中的重要性,选择Na++K+、Ca2+、Mg2+、Cl-、SO42-、HCO3-等6种水化学离子作为识别因子,提出了一种基于遗传算法优化BP神经网络的矿井突水水源识别方法.在同样的训练样本和待测样本下,将该方法的识别效果与BP神经网络、距离判别法、Bayes判别法等方法的识别效果进行比较.仿真结果表明该方法收敛速度更快,识别精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	葛恒清	淮阴师范学院物理与电子电气工程学院	11	13	2.0	3.0
2	陈友群	淮阴师范学院物理与电子电气工程学院	4	4	1.0	2.0
3	王欣	淮阴师范学院物理与电子电气工程学院	8	12	3.0	3.0
4	张凯婷	淮阴师范学院物理与电子电气工程学院	5	7	2.0	2.0