对常用的突水水源判别方法进行了概述,阐明了其适用条件,为选择合适的方法提供了依据。以石壕煤矿为例,利用BP神经网络方法,选择矿化度、p H值、总硬度、Ca2++Mg2+、K++Na+以及涌水量作为判别因子,建立了水源判别模型,经过样本训练和模型验证,其判别结果与实际基本一致,验证了人工神经网络方法在突水水源判别上的准确性。

提出了一种采用改进的SOM神经网络对矿井突水水源进行判别的方法。该方法把水质中的Na+、K+、Ca2+、Mg2+、Cl-、SO24-和HCO-3等7种离子的含量作为判断因素,结合改进的SOM神经网络模型,对20个水源样品进行分类。实验结果表明,该方法的误判率为0,能够准确地判别矿井突水水源。

在煤矿的开采过程中,矿井水害是常见的煤矿地质灾害之一,准确掌握地下水化学特征对指导煤矿防治水工作具有重要的实际意义。基于袁店二井煤矿各含水层水质化验资料（离子含量、pH值和矿化度）,绘制出各含水层的Piper三线图、Durov图,得出了各含水层的水质类型以及各水化学参数的变化规律。对各离子进行谱系聚类分析,明确了各离子的来源。在上述研究基础上,建立了相应的涌水水源判别模型。研究结果表明:袁店二井煤矿地下水阴离子主要为HCO3-和Cl-,阳离子主要为K++Na+,水化学类型以HCO3-·Cl--Na++K+型为主;其离子主要来源于可溶的钠钾盐以及难溶的碳酸盐岩。比对建立的水源判别模型,对1022工作面集中风巷处水样进行判别,得出1022工作面集中风巷涌水水源为煤系砂岩水。通过此项研究,为以后的矿井防治水工作提供一定的指导作用。

本代码主要利用MATLAB工具进行MATLAB——无导师学习神经网络的分类——矿井突水水源判别

代码解释的非常详细，可以直接用，已经测试过了，很好用。