科研之友
微信
新浪微博
Facebook
分享链接
摘要
为精准识别矿井突水水源，弥补传统水化学特征相似性识别方法在某些复杂条件下识别精度低的不足，利用主成分分析法（PCA）对水化学样本数据进行降维，引入麻雀搜索算法（SSA）优化BP神经网络（BPNN）权重参数，构建了基于PCA-SSA-BPNN的矿井突水水源识别模型，以实现矿井突水水源的精准识别。在此基础上，将本模型与水化学特征相似性识别方法应用于新上海一号井田111084工作面的突水水源识别工程实例中。结果表明，PCA可以有效减少原始数据中的信息冗余，消除不同水化学类型间的相关性；SSA明显提高了BPNN的全局寻优能力和预测精度，PCA-SSA-BPNN模型对突水水源识别准确率达到96.7%，高出BPNN13.4%。新上海一号井田111084工作面水文地质条件复杂，水化学特征相似性识别方法不能作出精准识别，采用PCA-SSA-BPNN模型预测突水水源为直罗组含水层，预测结果与实际情况一致，可为矿井突水水源的研究提供依据和参考。
- 出版日期2023
- 单位西安建筑科技大学; 中国矿业大学; 中国矿业大学（北京）; 中煤科工集团西安研究院
