基于RBF神经网络的矿井突水水源识别方法研究
Energy Environmental Protection（2020）
摘要
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％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要