基于遗传学习算法和BP算法的神经网络在矿坑涌水量计算中的应用

本文采用遗传学习算法和误差反向传播算法 (BP)相结合的混合算法来训练前馈人工神经网络 (BPN) ,即先用遗传学习算法进行全局训练 ,再用BP算法进行精确训练 ,使网络收敛速度加快和避免局部极小 .作为实例 ,本文将该方法运用于多维时序问题 .根据山东省黑旺铁矿的矿坑充水条件建立了一个网络 ,以矿坑充水的各种控制因素相关资料作为样本 ,对网络进行训练并用训练好的网络预测矿坑涌水量 .网络的训练速度及预测结果表明 ,该算法收敛速度较快 ,预测精度很高 ,为矿坑涌水量预报提供了一种新思路和新方法 .

利用矿坑水向淄博中心城区供水分析

黑旺铁矿位于山东省淄博市淄河左岸,受水文地质条件影响,太河水库泄洪、淄河径流、大气降水、地下水径流等均向矿坑汇水,补给来源丰沛。通过对黑旺铁矿地貌、水文地质条件、地理位置以及矿坑水的水量水质、供水路线、供水规模等分析可知,利用黑旺矿坑水向淄博市中心城区供水具有水量、水质保障和较强的可操作性,并对此提出相关建议。