矿井水害防治基础信息管理及突水预测评价系统简介.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * （五）矿井突水评价模型库 ②基于熵权的BP神经网络评价模型 根据已构建指标体系选取合理的指标因子，将指标数据逐一进行归一化处理，通过熵权法计算各评价指标对于矿井突水的贡献权值，然后将各指标数值乘以相应权值构建BP神经网络模型的预测样本，选取研究区内已知突（涌）水点作为神经网络的训练样本和校验样本，通过合理设置网络模型参数，建立网络训练模型，进行模型训练直至满足误差要求，利用训练好的网络模型对预测样本进行预测，并根据预测结果划分危险性等级分区，生成突水危险性等级分区图。 （五）矿井突水评价模型库 （3）评价模型识别验证 本文将矿井的突（涌）水点分布图与矿井突水危险性分区图进行叠加，然后计算位于突水危险区和较危险区的突（涌）水点个数百分比，当这个比值不小于90%，则认定该模型拟合程度高，评价结果可靠。设立模型识别参数：危险性拟合率RFP： （五）矿井突水评价模型库 2.矿井突水危险性评价模型的功能 目前，针对矿井水害的预测评价主要是以图、报告、报表为数据依托、用单个分散模型通过人工计算的处理方式进行。 为了改善以往传统评价形式，本文将上述的四种突水评价模型按其计算方法和步骤进行功能开发并集成到