原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第67卷第1期 有 色 金 属(矿山部分) 2015年1月
doi：lO．3969／j．issn．1671—4172．2015．01．020
矿井突水水源辨识的改进SVM和GA—BP神经
网络模型
阳富强，刘广宁，郭乐乐
(福州大学环境与资源学院，福州350108)
摘要：及时辨识突水水源是有效预防和控制矿井突水灾害的重要工作之一。基于河南焦作某矿区不同水层
水化学成分进行因子约简，确定以K+、Mg”、Ca”、C1一、[HCO。]一、F作为矿井突水水源辨识的主要判别因子。
运用遗传算法优化BP神经网络(GA—BP)对新体系下的30组学习样本进行训练拟合，用所建立的分析模型对10
组待检验水源类别进行辨识，预测平均正确率达到了94．27％。研究结果表明，该指标体系在矿井突水水源辨识中
具有可行性，且GA—BP模型分类性能好，误判率低，可以用于矿井突水水源的辨识。
关键词：矿井突水；水源判别；SVM；GA—BP
中图分类号：TD74 文献标志码：A 文章编号：1671—4172(2015)01—0087—05
SVMandGA-BPneuralnetwork
Improved modelofminewater
inrushsourcesidentification
YANG Lele
Fuqiang，LIUGuangning。GUO
ofEnvironmentandResources，Fuzhou 350108，China)
(College University，Fuzhou
identificationofwaterinrushisoneofthemost tO andcontrolthe
Abstract．Timely importantjobsprevent
minewaterinrushdisaster onthetest withdifferentwater in minearea，
effectively．Basedsamples layersJiaozuo
theembeded Vector usedtOrank kindsofwaterchemical
Machine(SVM)is
gradientSupport eight compositions，
of
including[s04]2一，K+，M92+，N8+，Ca2+，Cl一，[HC03]一，F一．ThecompositionsK+，M92+，Ca2+，Cl一，
areselectedasthemain factorsofminewaterinrushsources
[HC03]一，F distinguishing identification．Thirty
of underthenew arecarriedOUttOtrain BPneuralnetwork
groupslearningsamples system fittingby geneticalgo—
rithm(GA—BP)．TheestablishedmodelisusedtO ten ofwatersources．andthe
文档评论（0）