基于BP神经网络的矿井水源判别模型
DOI:
作者:
作者单位:

作者简介:

通讯作者:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    矿井水源判别对于矿井防治水工作有重要的导向作用,能够有效减少防治水工作的盲目性.为了能够有效判别矿井突水水源,综合考虑各项水化学指标在水源判别中的重要性,确定以水中6大常量组分(Na++K+,Mg2+,Ca2+,Cl-,SO2-4,HCO-3)作为判别因子,以BP神经网络理论为基础,以对某矿开采影响较大的野青、砂岩、奥灰和伏青4个含水层水样为建模样本,建立水源判别模型,并随机选取7个矿井采掘过程中收集到的水样进行水源判别预测.结果表明,该7个水样分别来自伏青、野青和砂岩含水层,均与实际结果相符,说明以BP神经网络理论建立的水源判别模型具有较强的实用性,能够快速、有效的识别矿井水源.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

刘猛.基于BP神经网络的矿井水源判别模型[J].矿业工程研究,2015,30(4):

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2015-09-18