采面涌水量预测的 ANN 模型，蛮适合做地质类数据的非线性建模，尤其是你面对变量多、分布不规律、传统方法吃力的时候。像这篇用的是三层BP 神经网络，输入层指标选得也比较靠谱，什么含水层厚度、渗透系数这些都挺关键，模型收敛也快。

用ANN这类问题最大的优势就是——你不用管公式长啥样，数据喂进去，它自己找规律。是用在涌水量预测上，还挺实用。你要是搞矿山安全、地质建模这些，可以参考下它的指标设置方式。

而且它的数据源是东欢坨矿的实际采面数据，曲线特征也得蛮细。你自己搞项目时，也可以按这个思路，先做特征提取，再喂神经网络。模型方面，三层 BP 网络够用了，别太贪心，多了容易过拟合。

要是你对 ANN 还不熟，下面这些文章可以一块看看，像这个BP 神经网络解析与应用写得还挺通俗的，还有个讲用Matlab做 ANN 的，也比较贴近工程。

哦对了，如果你做数据训练，记得数据量一定要够，指标最好标准化下，MinMaxScaler就挺好用，避免训练卡壳。