基于RBF神经网络的矿井突水水源识别方法研究 论文

采用Na++K+、Ca2+、Mg2+、Cl-、SO42-和HCO3-六种常规水化学指标作为矿井突水水源识别的依据，利用Piper三线图分析了各充水水源水化学特征，筛选出适用于模型构建的样本。运用SPSS软件构建RBF神经网络，对6组待测样本进行识别。结果表明：RBF神经网络对孔隙水、地表水和奥灰水的判别正确率均为100%，对于砂岩水和太灰水的判别正确率分别为91.7%和50%；经过待判检验，RBF神经网络待判检验正确率为92.3%。