《表1 地下水主要离子成分数据和BP神经网络判别结果》
根据表1的水样,依次将待判样本以外的其他样本作为训练样本,代入网络进行训练,然后利用训练好的网络判别待判样本的来源,得到的输出值与该待判样本所设定的目标输出值进行比较,最接近的目标设定值所对应的含水层即为该水样的水源。判别结果见表2,BP人工神经网络方法判错了11个水样,判别准确率为82.3%。其中8个新生界上含水全部判别正确;17个新生界下含水正确判别4个,正确率为76.5%,2个错判为新生界上含水,2个错判为煤系水;33个煤系水正确判别28个,正确率为84.8%,2个错判为新生界上含水,3个错判为新生界下含水;4个灰岩水仅正确判别2个,1个错判为新生界下含水,1个错判为煤系水,正确率为50.0%。本文还进行了模糊综合评判模型(F统计量定权)对水样数据进行判别分析,模糊综合判别方法判错了15个水样,判别准确率为75.8%。其中8个新生界上含水全部识别正确;17个新生界下含水全部正确识别;33个煤系水正确识别21个,正确率为63.6%,其中,3个错判为新生界上含水,7个错判为新生界下含水,2个错判为灰岩水;4个灰岩水仅正确识别1个,2个错判为新生界下含水,1个错判为煤系砂岩裂隙水,正确率为25.0%。以上判别结果表明,BP人工神经网络有相对较高的判别准确率,对于本例数据人该方法可以正确判别新生界上含水,有可能将新生界下含水错判为新生界上含水和煤系水,将煤系水错判为新生界上含水和下含水,难以有效地判别灰岩水。
图表编号 | XD0025811000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.01 |
作者 | 马雷、刘思圆、吴蒙蒙 |
绘制单位 | 合肥工业大学资源与环境工程学院、合肥工业大学资源与环境工程学院、合肥工业大学资源与环境工程学院 |
更多格式 | 高清、无水印(增值服务) |