阿淑芳，刘宁宁，余生晨，石 强

(1.邢台学院，河北 邢台 054000；2. 华北科技学院 计算机学院，北京 东燕郊 101601；3. 高河能源有限公司，山西 长治 047100)

基于免疫算法改进的反向传播神经元网络矿井水害水源识别研究

阿淑芳1，刘宁宁1，余生晨2，石 强3

(1.邢台学院，河北 邢台 054000；2. 华北科技学院 计算机学院，北京 东燕郊 101601；3. 高河能源有限公司，山西 长治 047100)

为了提高识别矿山水害水源(即，判定水的类型)的正确率，利用免疫算法设计并优化了反向传播神经元网络(BPNN)的结构并求得BPNN的各层权系数和阈值的初值，用该初值训练BPNN，获得最佳的BPNN各层的权系数(权重)和阈值，使其适合识别矿山水害水源。用训练好的BPNN识别待判定的水源是哪一种类型的水源，判定水源的危害程度。实验和潞安集团所属煤矿区的矿井和钻孔水样检验结果说明用该方法是有效可行的，识别矿井水的水源的准确率可达到93%。

水源识别;矿井突水;反向传播神经元网络;免疫算法

0 引 言

凡是煤矿重大突水，在发生之前，总有一些预兆。从水量变化看，一般经历从“湿帮(出汗)、滴水、淋水、流水、突水”的量变到质变的过程。在突水预兆期，及时捕捉并利用水文地球化学探测技术进行水化学信息分析研究，对于识别水的来源以及判断发生突水的可能性将具有重要意义，为最大限度地减少人员伤亡和财产损失赢得宝贵的时间[1]。目前，常用的水文地球化学探测技术各有优缺点，能解决一部分问题，但是还不能完全满足生产的需要[2]。……