針對標(biāo)準(zhǔn)回聲狀態(tài)神經(jīng)網(wǎng)絡(luò)(ESN)因病態(tài)解而導(dǎo)致水源判別模型準(zhǔn)確率低,精度差的問題,提出了將6種正則化方法與ESN神經(jīng)網(wǎng)絡(luò)相結(jié)合,并應(yīng)用于礦井突水水源的判別,與標(biāo)準(zhǔn)ESN模型的判別結(jié)果進(jìn)行對比分析。結(jié)果表明:ESN模型易出現(xiàn)過擬合問題,判別準(zhǔn)確率只有49%~88%;而采用阻尼最小二乘奇異分解法(DSVD)與廣義交叉驗(yàn)證法(GCV)相耦合的正則化方法能夠較好的解決模型病態(tài)解問題,使模型的準(zhǔn)確率提高到100%,最佳判別精度比標(biāo)準(zhǔn)ESN模型提高了64%,穩(wěn)定性提高了61%;且該方法對不同規(guī)模的儲備池結(jié)構(gòu)表現(xiàn)出較強(qiáng)的適應(yīng)性,不僅簡化了模型的映射關(guān)系,提高計(jì)算效率,還增強(qiáng)模型的泛化能力。因此,基于GSV