论文部分内容阅读
针对传统神经网络水源判别模型仍存在判别精度低、稳定性差和效率不高的问题,提出了基于回声状态网络(ESN)的水源判别模型,将其应用于不同矿山,并与BP、Elman和改进的GA-BP神经网络的判别结果进行对比。结果表明:ESN水源判别模型的稳定性是BP和Elman模型的6~10倍且准确率提高到90%~96%;判别精度是BP神经网络的2~5倍,略高于Elman神经网络;在时效性和精度方面远远优于改进的GA-BP神经网络。因此,ESN神经网络具备高精度、高准确率、高时效性和稳定性的特点,可作为一种快速有效判别矿井突水来源的辅助决策手段。