陈文飞， 刘启蒙， 刘 瑜， 金洲洋， 张文涛

(安徽理工大学 地球与环境学院，安徽 淮南232001)

0 引 言

矿井突水是煤矿重大自然灾害之一，通常会造成重大的人员伤亡和经济损失，严重威胁煤矿安全生产［1－2］。及时准确地判别矿井涌水水源，对煤矿防治水工作具有重要意义［3－5］。在地下水渗流及从补给区接受补给到排泄区的径流过程中，水质特征有着巨大的差异［6－7］。同时，受煤矿采动影响，各含水层间存在极为复杂的水力联系，水质特征变得更加复杂，难以应用经典数学方法建立精确的预测模型［8］。为此，笔者采用主成分分析和BP 神经网络方法，对矿井涌水水源进行判别，以期为矿井防治水提供借鉴。

1 原 理

1.1 主成分分析

主成分分析法(Principal component analysis，PCA)是一种应用数学降维的方法。该方法通过找出几个综合变量来代替原来众多的变量，使得这些综合变量尽可能地代表原来变量的信息量，且彼此之间互不相关，从而达到对特征信息提取和降维的目的［9－10］。

PCA 法就是将p 个观测量综合成为p 个新的观测量(综合变量)，计算式为

式(1)中，Yi与Yj互不相关(i≠j，i，j =1，2，…，p);Y1的方差大于Y2的方差，Y2的方差大于Y3的方差，以此类推。主成分数量K 主要依据主成分的累积贡献率确定，一般要求累积贡献率达到85%以上，这样才能保证综合变量代表原始变量的绝大多数信息。

1.2 BP 神经网络

BP 神经网络是一种多层前馈神经网络，结构如图1 所示。网络权值的调整规则采用误差反向传播算法及BP 算法。其基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。……