基于 GA-Elman神经网络的煤矿突水水源判别

煤矿突水是矿井生产过程中产生的自然灾害之一,而准确判别突水来源是突水防治工作的重要基础.以煤矿各含水层水化学成分的差异性为依据,选取K~++Na~+,Ca~(2+),Mg~(2+),Cl~-,HCO_3~-,SO_4~(2-)6个常量组分作为突水水源的判别因子.为克服Elman神经网络采用梯度下降法所带来的易陷入局部最小值的缺点,采用具有全局搜索能力的遗传算法(GA)通过选择、交叉和变异等步骤训练优化Elman神经网络,建立了收敛速度更快、泛化性更强的GA-Elman神经网络判别模型,结果表明:将具有全局寻优功能的GA和局部精确寻优的Elman神经网络相结合,克服了Elman神经网络初始权值与阈值的随机性、易陷入局部最优的缺点,能够提高Elman神经网络的判别输出精度,为准确、有效判别突水来源提供了可靠的决策依据;经过GA优化过的Elman神经网络在训练过程中的均方误差收敛速度、收敛精度都有很大的提高,在网络模型的判别输出上,判别结果更为稳定、泛化性更好,为该模型在其他领域的推广提供了一定的借鉴性;为进一步确保突水水源判别的准确性、有效性,在密切结合煤矿水文地质条件的前提下,应选取具有代表性和准确性高的水化资料,有效发挥该判别方法对煤矿水害防治及措施制定的指导作用.

Discriminating Mine Water Inrush Sources Based on GA-Elman Neural Network