董东林，陈昱吟，倪林根，李 源，覃华清，韦仙宇

(中国矿业大学(北京) 地球科学与测绘工程学院,北京 100083)

为快速分析水害事故产生的原因，众多学者通过构建高效精准的水源判别模型来指导矿井安全生产。目前水源判别方法有很多，如水温水位法、水化学分析法、数理分析法、神经网络法、可拓识别法、GIS理论法、支持向量机法等[1-11]。然而，这些方法都有其自身的优势与局限。胡伟伟等[12]运用同位素法准确地判定了抚顺老虎台矿区的突水来源，该方法具有判别速度快、结果可靠的优点，但此方法成本较高，需考虑现实因素[13-14]。张好等[15]将PCA与Logistic模型相结合，在水源识别上取得了很好的效果，但Logistic模型具有分类精度不高、易产生过拟合等缺点，主要适用于线性拟合，难以适应绝大多数线性不可分的复杂庞大数据[16]。人工神经网络具有较强的自组织、自学习能力和较强的容错性，评价结果更客观，但是对训练样本要求高，训练样本的合适与否会严重影响到最终的评判结果[17-18]。灰色关联分析法计算简单、易于理解，能客观地找到各因素之间的密切程度，降低人为干扰因素[19]，但在确定各含水层离子标准时需要大量的数据来进行模糊聚类分析，所得标准只适用于聚类分析样本采集地区[20]。对于可拓识别法[21-24]，冯琳等[25]发现对一些在各含水层分布差异较小的数据来说，使用该方法易造成误判。因此，我们需从数据的特征、模型的精度与泛化能力、过度拟合现象、人为影响程度、经济条件等方面入手，以找到解决问题的最佳方法。……