針對標準回聲狀態神經網絡(ESN)因病態解而導致水源判別模型準確率低,精度差的問題,提出了將6種正則化方法與ESN神經網絡相結合,并應用于礦井突水水源的判別,與標準ESN模型的判別結果進行對比分析。結果表明:ESN模型易出現過擬合問題,判別準確率只有49%~88%;而采用阻尼最小二乘奇異分解法(DSVD)與廣義交叉驗證法(GCV)相耦合的正則化方法能夠較好的解決模型病態解問題,使模型的準確率提高到100%,最佳判別精度比標準ESN模型提高了64%,穩定性提高了61%;且該方法對不同規模的儲備池結構表現出較強的適應性,不僅簡化了模型的映射關系,提高計算效率,還增強模型的泛化能力。因此,基于GSV