發(fā)布時間：2018-06-10 17:28

  本文選題：安全工程 + Elman神經網絡　； 參考：《安全與環(huán)境學報》2017年04期

【摘要】：礦井突水是礦建與生產過程中最具威脅的自然災害之一,準確判別突水水源是防治水害的關鍵。選取6種離子的質量濃度作為突水水源的判別因素,將河南省焦作礦區(qū)不同水層的39組水化數據以2種樣本設計方案進行Elman神經網絡模型的構建與檢驗。以不同的35組水源樣品作為訓練樣本,運用Matlab軟件進行Elman神經網絡訓練,將所建立的判別模型應用于(相應的)4組待測樣本的判別,并與DDA、FDA、Bayes三種判別方法的判別結果進行分析比較。2種方案應用結果表明:將具有非線性動態(tài)特征的Elman神經網絡應用于突水水源判別,在結合相應的水文地質條件前提下,可以準確判斷突水來源;礦井多年的開采促使地下各水層水質呈動態(tài)變化,Elman神經網絡判別模型能夠反映這種變化特性,對探尋地下水運移與演化具有一定的應用價值。
[Abstract]:Mine water inrush is one of the most threatening natural disasters in the process of mine construction and production. The mass concentration of 6 kinds of ions was selected as the discriminant factor of water inrush water source, 39 groups of hydration data of different water layers in Jiaozuo mining area of Henan Province were constructed and tested by two different sample design schemes for Elman neural network model. Using 35 different water source samples as training samples and using Matlab software to train Elman neural network, the established discriminant model was applied to the discrimination of 4 groups of samples to be tested. Compared with the discriminant results of DDA-FDA-Bayes three discriminant methods, the application results of the two schemes show that Elman neural network with nonlinear dynamic characteristics is applied to the judgment of water inrush source under the premise of corresponding hydrogeological conditions. It can accurately judge the source of water inrush, and the mining of mine for many years makes the water quality of underground water layer dynamic change. Elman neural network discriminant model can reflect this kind of change characteristic, and has certain application value in exploring groundwater migration and evolution.
【作者單位】： 河南工程學院安全工程學院;武漢理工大學資源與環(huán)境工程學院;中南大學資源與安全工程學院;
【基金】：國家自然科學基金項目(51604091) “礦災害預防與控制河南省高校重點實驗室培育基地”建設經費資助項目(200925) 河南省高等學校重點科研項目(16A440001,18A440010)
【分類號】：TD745.2

【相似文獻】

相關期刊論文 前7條

1 蔡鑫;南新元;孔軍;;改進Elman神經網絡在氧化還原電位預測中的應用[J];安徽大學學報(自然科學版);2014年02期

2 袁仁茂;馬鳳山;鄧清海;徐錫偉;;基于Elman型神經網絡的金川二礦地表巖移時序預測模型[J];工程地質學報;2008年01期

3 張瑋;張丹;;基于Elman動態(tài)神經網絡的煤質預測算法研究[J];中國礦業(yè);2013年03期

4 賈花萍;;灰色Elman神經網絡的礦井瓦斯涌出量預測[J];計算機技術與發(fā)展;2014年06期

5 錢家忠;呂純;趙衛(wèi)東;潘婧;;Elman與BP神經網絡在礦井水源判別中的應用[J];系統工程理論與實踐;2010年01期

6 李建剛;任子暉;劉延霞;;基于Elman神經網絡礦用通風機故障診斷的研究[J];煤礦機械;2011年08期

7 王春曉;陳開巖;張寶;;基于Elman組合預測模型的瓦斯涌出量預測[J];黑龍江科技學院學報;2011年04期

，

本文編號：2004023