导航：安全管理网>> 法律规范>> 安全生产法【2014版】>> 研究探讨>>正文

基于BP人工神经网络的矿井水源识别技术研究

作者：刘德民连会青　　评论：　更新日期：2015年11月04日

从表矿井水质台账中选择26组水样，其中第四系下组水11组，3煤层顶板砂岩裂隙水10组，三灰水作为BP人工神经网络训练样本，为了消除纲量的影响，对原数据进行归一化处理，见表1。经过1159次迭代后MSE = 1.0e-005, 达到精度要求, 训练结束，见图2。

图2 训练收敛曲线
表1 上组煤主要含水层水化学训练样本

TDS	Na⁺+K⁺	Ca²⁺	Mg²⁺	CL^-	SO₄^2-	HCO₃^-	类型
0.013	0.043	0.601	0.382	0.223	0.076	0.118	1 0 0
0.050	0.039	0.905	0.567	0.257	0.106	0.138	1 0 0
0.054	0.014	1.000	0.411	0.185	0.035	0.152	1 0 0
0.047	0.013	0.974	0.356	0.170	0.027	0.146	1 0 0
0.049	0.014	0.994	0.398	0.170	0.023	0.151	1 0 0
0.000	0.007	0.725	0.501	0.164	0.019	0.126	1 0 0
0.031	0.000	0.667	0.315	0.018	0.010	0.129	1 0 0
0.079	0.050	0.733	0.515	0.298	0.038	0.166	1 0 0
0.061	0.007	0.962	0.526	0.125	0.031	0.154	1 0 0
0.058	0.017	0.975	0.456	0.171	0.024	0.153	1 0 0
0.049	0.018	0.748	0.415	0.125	0.035	0.138	1 0 0
0.356	0.410	0.083	0.128	0.494	0.019	0.492	0 1 0
0.324	0.311	0.633	0.702	0.253	0.298	0.396	0 1 0
0.322	0.290	0.854	0.616	0.260	0.255	0.417	0 1 0
0.205	0.035	0.073	0.718	0.000	0.020	0.000	0 1 0
0.392	0.396	0.233	0.308	0.158	0.236	0.543	0 1 0
0.214	0.191	0.500	1.000	0.363	0.066	0.350	0 1 0
0.694	0.711	0.206	0.086	1.000	0.434	0.820	0 1 0
1.000	1.000	0.355	0.390	0.809	1.000	1.000	0 1 0
0.902	0.898	0.315	0.129	0.911	0.856	0.928	0 1 0
0.243	0.256	0.234	0.159	0.269	0.130	0.371	0 1 0
0.082	0.197	0.147	0.159	0.410	0.008	0.310	0 0 1
0.329	0.547	0.021	0.000	0.557	0.031	0.752	0 0 1
0.305	0.531	0.000	0.036	0.525	0.000	0.743	0 0 1
0.238	0.414	0.014	0.012	0.384	0.093	0.438	0 0 1
0.414	0.474	0.027	0.081	0.541	0.038	0.588	0 0 1

为了检验训练好的BP人工神经网络预测的准确性，另外选择了7个水样为检验样本，其预测检验结果见表2，从表中可以看出利用该网络进行预测有一个三灰水误判为3煤顶板砂岩水，主要是因为两者水质较为相似，总体来看精度能够满足矿井生产要求，可以用于水源识别。
表2 上组煤水源识别检验样本及检验结果

TDS	Na⁺+K⁺	Ca²⁺	Mg²⁺	CL^-	SO₄^2-	HCO₃^-	期望输出	实际输出
0.041	0.013	0.832	0.494	0.170	0.027	0.137	1 0 0	1 0 0
0.051	0.013	0.987	0.411	0.181	0.028	0.151	1 0 0	1 0 0
0.046	0.008	0.669	0.492	0.033	0.020	0.148	1 0 0	1 0 0
0.253	0.240	0.670	0.465	0.269	0.135	0.373	0 1 0	0 1 0
0.426	0.468	0.205	0.054	0.451	0.450	0.447	0 1 0	0 1 0
0.084	0.199	0.073	0.320	0.449	0.014	0.279	0 0 1	0 1 0
0.365	0.563	0.020	0.084	0.562	0.039	0.835	0 0 1	0 0 1

四、结论
上组煤开采主要充水含水层为第四系下组松散孔隙含水层、山西组3煤顶砂岩裂隙含水层、石炭—二叠系太原组中的三灰含水层，下组水的水质类型以HCO3-Ca•K+Na型为主，矿化度低，3煤顶砂岩裂隙水总矿化度较第四系水明显增大，水质类型以HCO3 - K+Na型为主，三灰水水质类型和3煤顶板裂隙水相似，但SO42-含量小于3煤顶板裂隙水。
BP人工神经网络具有较强非线性分析功能，可以实现矿井水源识别，能满足矿井水害防治需求，可以为矿井水害防治工作提供一定的依据和技术支撑。