应用神经网络建立采矿经验知识库

D0I:10.13374/j.issn1001053x.1994.06.002 第16卷第6期 北京科技大学学报 Vol.16 No.6 199412 Journal of University of Science and Technology Beijing Dec.1994 应用神经网络建立采矿经验知识库 李英龙童光煦 北京科技大学采矿系，北京100083 摘要应用神经网络建立了获取采矿方法选择时所需的主要技术经济指标的采矿经验知识库，并 以普通全面法为例，描述建造BP网络模型的过程，研究结果表明：利用这个采矿经验知识库，就可 以根据采矿方法的工程背景，求得它的主要技术经济指标， 关键词采矿工程，神经网络/知识库，BP模型 中图分类号TD85.IP39 Building Empirical Mining Knowledge Base Using Neural Network Li Yinglony Tong Guangxu Department of Mining and Mineral Engineering.USTB,Beijing 100083.PRC ABSTRACT An empirical mining knowledge base which consists of BP modelsand its application to predict major techne-economical indexes for preliminarily selected mining methods is pres- ented.and the process of building the BP models for open stope mining method is described.Studies indicate that using the empirical mining knowledge base,the major techno- economical indexes of mining methods can be predicted.based on their engineering back- ground. KEY WORDS mining engineering,neural network/knowledge base,BP model 采矿科学技术是一门综合性的工程科学技术学科，包含着广泛的工程经验·将这些经验 进行科学的总结、并加以规律化和系统化，是月前采矿理论研究或是矿山设计、建设与生产 的迫切要求.神经网络为实现这样的目标，提供新的方法和途径，本文应用神经网络，建 立了获取采矿方法选择时所需的主要技术经济指标的采矿经验知识库· 1主要技术经济指标的获取方法 在采矿方法选择过程中，需要获取初选采矿方法的主要技术经济指标·目前，获取这 些指标的方法有：经验类比法和模糊关系方程方法，前者受制于人的能力且主观随意性 大；后者虽获取的是一组类似矿山指标的加权计算值（权值由解模糊关系方程求得），但这 1993-12-20收稿第一作者男31岁博士

第 61 卷 第 6 期 北 京 科 技 大 学 学 报 1望洲 年 21 月 Jo um la o f U ni ve rs tiy o f S a e n ce a nd Te hc no fo g y Be ji l n g V J 。 16 N O 。 6 】) 沈 . 19乡月 应用 神 经网络建立采矿经验知 识库 李英龙 童光 煦 北 京科技大学采矿 系 , 北京 1X( 刃8 3 滴要 应用 神经网 络建 立 了获取采矿方法选择时所需 的主要技术经济指标的 采矿经验知识库 , 并 以 普 通全面 法 为例 , 描述 建 造 B P 网 络模型 的过程 . 研究结果表明 : 利用 这个采矿经验知 识库 , 就 可 以 根 据采矿 方法 的工 程 背景 , 求得 它的主 要技术经 济指 标 . 关键词 采矿 工 程 , 神经网 络 厂知 识库 , B P 模型 中图分类号 T D 85 , 冲39 B u il d ign E m P i r i ca l M iin gn K n o w l e叱 e B a s e US ign Ne u r a l Ne t ow r k L i ’1i n 口1 0 ; ; g 工刀飞口 翻 a 刀 gX u eD P a rt me n t o f M i n i n g a n d M , n e o l F n 乡 n e ir n g . U S T B , B e ij i n g l〕 洲)8 3 . P R C A BS T R A C T A n em P i丙ca l而 n i n g k n o wl ed g e b a s e w h ihc co ns is ts o f B P mo d e ls a nd its a P Pllca ti o n t o P red ict 11玉 l」o r tec h n o 一 eco n o 而ca l i n d ex es fo r P rel ~ i y s e leC ted im n i n g n r th o d s is P心 - e n t ed . a n d t h e P r o 璐 5 o f b u ild i n g t h e B P mo d els fo r o Pen s to P e 而n ing m e t h o d is d 。 印 b ed . S t u d ies i n d i ca t e t h a t us i n g t h e e m P泊以l 而n i n g k n o wl ed g e b a s e , t h e m a j o r t ec h n o 一 eOC n o 而以 1 i n d ex es o f im n i n g me t h o d s 以 n b e P edr i c ted , b a s ed o n t h e i r en g i ne ir ng b a ck - g or t i n d . K 正: Y W O R I万 二 n i n g o n g i n e ir n g , n e u ar l n e t w o r k k/ n o w led g e b a s e , B P mo d el 采矿 科学 技术 是一 门综 合性 的工 程科 学技 术学 科 , 包含 着 广泛 的工 程经验 . 将 这 些经 验 进行 科学 的总 结 , 并加 以 规律化 和 系统化 , 是 目前 采矿 理论 研究 或是 矿 山 设计 、 建设与 生产 的迫 切要 求 . 神经 网络 为 实现这 样 的 目标 , 提 供新 的方 法和 途 径 . 本 文 应 用 神 经 网 络 , 建 立 了 获取 采矿 方法 选择 时 所需 的主要 技术 经济 指标 的 采矿经 验知 识库 . 1 主 要 技术 经济 指标的获 取方 法 在 采 矿方 法选 择过 程 中 , 需 要获 取初 选采 矿方 法 的主要 技 术 经 济 指 标 . 目前 , 获 取 这 些指标 的方 法 有 : 经 验 类 比法 和 模 糊 关 系方 程 方 法 田 . 前 者 受 制于 人 的 能 力 且 主 观 随 意 性 大 ; 后 者 虽获 取 的是一 组类 似矿 山指 标 的加权 计算值 (权值 由解 模 糊 关 系方 程求 得 ) , 但 这 1卯 3 一 12 一 20 收 稿 第 一作 者 男 31 岁 博 士 DOI: 10. 13374 /j . issn1001 -053x. 1994. 06. 002

1994年No.6 北京科技大学学报 513· 组值仍靠人来确定，并且求解模糊关系方程比较困难，方程无解时，需人为删除或置换这组 矿山中的某一矿山，从而限制了这种方法的推广应用. 生产实践表明，采矿方法的工程背景（开采技术条件、矿块主要结构参数、采准切割 布置和回采工艺)与它的技术经济指标之间存在着一定的相关性（经验类比法就是基于这样 的相关性进行操作的)·不过，这种相关性难以用经验公式或回归数学模型来描述，因 为它涉及的因素多且因素之间的关系比较复杂·神经网络却为描述这种相关性提供了强 有力的工具， 本文借助于神经网络，建立反映采矿方法工程背景与主要技术经济指标之间的关系模 型，这些模型构成一个采矿经验知识库， 2采矿经验知识库 由于采矿方法的工程背景复杂多变，影响主要技术经济指标的因素众多，若用一种神经 网络模型描述所有采矿方法的工程背景与主要技术经济指标的相关性是不可能的.为此，本 文采用的方法是：用一个经验知识库来反映这样的相关性，这个经验知识库由众多的神经网 络模型组成，一个模型描述一种采矿方法的工程背景与主要技术经济指标的相关性·本文采 用的神经网络模型，均为BP网络模型冈， 2.1BP网络模型对应的采矿方法 生产实践中，应用的采矿方法种类繁多，基于回采时的地压管理方法可将其分为4大 类，每一类包含许多组，每一组包括许多典型采矿方法·如空场法类包含的组有：全面 法、留矿法、房柱法、分段采矿方法和阶段矿房法；全面法包括的典型采矿方法为：普通全 面法和留矿全面法， 选择哪一级别的采矿方法作为建造BP网络模型的对象，在很大程度上，取决于计算机 硬件环境和BP网络模型的学习能力·为便于推广应用，本文的研究工作是在微机 (AST386/33)上进行的，研究结果表明：在这样的硬件环境下，适合于选取典型采矿方法 级别的成员作为建造BP网络模型的对象· 2.2利用采矿经验知识库获取指标的过程 欲获取采矿方法的主要技术经济指标，用户需要提供采矿方法对应的数据文件名XDAT 和采矿方法工程背景描述参数的信息·计算机先根据数据文件名XDAT,借助于DOS系统 的文件管理系统，找出这种采矿方法对应的BP模型的权空间数据文件X_WDAT;然后将 这个文件提供给事先拓扑结构未定的BP网络模型（通用数据获取器），构成相应采矿方法 的数据获取器；借助于这个数据获取器，计算机根据提供的工程背景描述参数值，即可得到 所需的技术经济指标· 为便于应用，本文将典型采矿方法对应的数据文件名XDAT进行了规范化：X由英文 字母F后面跟1个3位数构成，第1位为采矿方法类码，空场法为1，崩落法为2，充填法为3， 支柱法为4；第2位为采矿方法组码，如空场法类中的全面法为1，留矿法为2，房柱法为3，分

N 6 望辫 年 1 . 6 北 京 科 技 大 学 学 报 引 3 · 组 值 仍靠人 来确 定 , 并 且 求解 模糊 关 系方程 比较 困难 , 方 程无 解 时 , 需 人 为删 除或 置换这组 矿 山 中的某 一 矿 山 , 从而 限制 了这种 方法 的推广应 用 . 生 产 实践 表 明 , 采 矿方 法 的工程 背景 (开 采技 术条 件 、 矿 块 主 要 结 构 参 数 、 采 准 切 割 布 置和 回采工 艺 ) 与它 的技 术 经济指 标 之间存在着 一定 的相 关性 (经 验类 比 法就 是基 于 这样 的相 关性 进 行 操 作 的 ) . 不 过 , 这种 相 关性 难 以 用经 验 公 式 或 回 归 数 学 模 型 来 描 述 , 因 为它 涉 及 的 因素 多 且 因素 之 间 的关 系 比较 复 杂 . 神 经 网络 却为 描 述 这种 相 关 性 提 供 了 强 有力 的 工具 . 本文 借 助于 神经 网络 , 建 立反 映采 矿 方 法 工 程 背 景 与 主要 技 术 经 济 指 标 之 间 的 关 系模 型 , 这些模型 构成 一个 采 矿经 验知 识库 . 2 采 矿经验知识库 由于 采 矿方 法 的工程 背景 复杂 多 变 , 影 响主要技术经 济指标 的 因 素 众 多 , 若 用 一 种神 经 网 络模型描 述 所有 采矿方 法 的工程 背景 与主要 技术 经济 指标 的相 关性是 不 可能 的 . 为此 , 本 文 采用 的方 法 是 : 用一个 经验 知 识库来 反映 这样 的相关性 , 这个 经验知 识库 由众多 的神 经网 络 模型 组成 , 一个模 型描 述 一种采 矿方 法 的工程背 景 与主要 技术 经济指 标 的相 关性 . 本 文采 用 的神 经 网络模 型 , 均 为 B P 网络模 型 2[] . .2 1 B P 网络模型 对应 的采矿 方 法 生 产实 践 中 , 应用 的采矿 方法 种 类 繁 多 , 基 于 回 采 时 的 地 压 管 理 方 法 可 将 其 分 为 4 大 类 , 每 一类包含 许多组 , 每一 组 包 括 许 多 典 型 采 矿 方 法 . 如 空 场法 类包 含 的 组 有 : 全 面 法 、 留矿法 、 房 柱法 、 分 段采 矿方 法和 阶段 矿房法 ; 全 面 法 包括 的典 型 采矿方 法为 : 普 通全 面 法和 留矿 全 面法 . 选 择哪 一级 别 的采矿 方法 作 为建造 B P 网络模 型的 对象 , 在 很大程 度 上 , 取 决 于 计 算 机 硬 件 环 境 和 B P 网 络 模 型 的 学 习 能 力 . 为 便 于 推 广 应 用 , 本 文 的 研 究 工 作 是 在 微 机 (AS T 38 6,/ 3 ) 上进 行 的 . 研 究结 果表 明 : 在这样 的硬件环 境下 , 适合 于 选 取 典型 采 矿 方 法 级别 的成 员作 为建 造 B P 网络模 型 的对象 . .2 2 利用 采矿经验 知识 库获取指标的过 程 欲获取 采矿 方法 的主要 技 术经 济指 标 , 用户需 要提 供采 矿方 法 对应 的数 据文件 名 X D A T 和采矿 方法 工程 背景 描述 参数 的信 息 . 计算机先 根 据 数据 文 件 名 .x D A T , 借 助于 D O S 系 统 的文件 管理 系 统 , 找 出这 种采 矿方 法对 应 的 B P 模 型 的权 空 间数 据 文 件 X 一W . D A T ; 然 后 将 这 个 文件提供给事先 拓扑 结构 未定 的 B P 网络模 型 (通 用 数 据 获 取 器 ) , 构 成 相 . 应 采 矿 方 法 的数据 获取 器 ; 借 助于这 个数 据获 取器 , 计算机 根据提 供 的工程 背景 描述 参数 值 , 即可 得到 所 需 的技术 经 济指标 . 为便于 应 用 , 本文将典型 采矿 方法 对应 的数据文件 名 X D A T 进 行 了规 范 化 : X 由英 文 字母 F 后 面跟 1 个 3 位 数构 成 , 第 1 位 为采矿方 法类 码 , 空场 法 为 1 , 崩落法 为 2 , 充 填法 为 3, 支柱法 为 ;4 第 2 位 为采矿 方法 组码 , 如 空场法类中的全 面法 为 1 , 留矿 法 为 2 , 房柱 法 为 3 , 分

514 李英龙等：应用神经网络建立采矿知识库 l.16No.6 段空场法为4.阶段矿房法为5；第3位为典型采矿方法编码，如全面法组中，普迪全面法为 1,留矿全面法为2. 采矿方法的工程背景描述参数有3类： (1)开采技术条件描述参数：矿体厚度、倾角，矿石值、矿体稳固性级码（极不稳固、不稳 固、中等稳固、稳固、极稳固的级码分别为1、2、3、4、5)、顶板（或上盘）围岩∫值和稳固性级 码、底板（或下盘）围岩值和稳定性级码、矿床的勘探类型和矿床类别编码（这两个参数结合 起来，反映矿床的复杂程度，因月前没有统一的硬岩矿床地质勘探规范，有的是一定类别的硬 岩地质勘探规范.如铁矿地质勘探规范、铅土矿地质勘探规范等，所以加人了矿床类别编码， 同一规范的矿床类别编码相同)、矿岩接触状况编码（矿岩分界明显的为1，存在渐变为2）. (2)矿块主要结构描述参数：矿块长，阶段高（或矿块斜长），顶柱和底柱尺寸， (3)回采工艺描述参数：由于与单个小型BP模型对应的，是已分得较细的采矿方法，这 样的同类采矿方法的回采工艺大都是相同的，所以只需要设置少量的描述参数，设置时根据 具体对象的情况而定.比如，对于普通全面法，本文仅设置1个回采工艺描述参数：回采推进 方式编码（沿走向推进为1、逆倾斜推进为2、扇型工作面推进为3）， 以上介绍的是采矿方法工程背景描述参数的总体设置情况，在实际应用中，应根据不同的 采矿方法特点，进行必要的增加或删减，这是建造BP网络模型时进行的关键且比较费时的工 作. 主要技术经济指标一般为：采场生产能力、采矿工效、采矿设备台效、损失率、贫化率及主 要材料消耗（如炸药、水泥、钎子钢、坑木等）. 3BP网络模型的建造 BP网络模型是一种典型的前馈模型.从数学角度来看，BP网络模型是一组输人节点到输 出节点的映射.这种映射是一种高度非线性的映射.如果有n个输人节点，有m个输出节点， 则网络是： F:R→Rm Y=F(X) Kolmogorov的神经网络映射定理已经证明：只要采用有隐节点的网络，这种映射就是 存在的. 3】BP网络模型的拓扑结构 输人层、输出层的节点（单元）数分别由采矿方法的工程背景描述参数个数和主要技术经 齐指标的个数确定， 隐层数及隐节点数的确定，目前尚缺成熟的理论指导，通常采用的是拚凑法.经过模拟实 验，我们对建造获取采矿方法主要技术经济指标的BP网络模型，按一个输入节点对应4~5个 隐节点来确定隐节点数，一般采用一个隐层， 3.2训练BP网络模型

李英龙等 应: 用神 经 网络建立采矿知识库 \ 、 . 1 . 1 6 N o . 6 段 空场 法 为 4 . 阶段 矿房法 为 5;第 位3 为典 型采 矿方 法编 码 , 如全 面法组 中 , 普通 全 面法 为 1 , 留矿全 面 法 为 .2 采 矿方 法 的工 程背景 描述参数有 3 类 : ( l) 开采 技术 条件描 述参数 : 矿体厚 度 、 倾 角 、 矿石 月直 、 矿体 稳 固性级 码 ( 极 不稳 固 、 不稳 固 、 中等 稳 固 、 稳 固 、 极 稳 固 的级 码 分 别 为 l 、 2 、 3 、 4 、 5) 、 顶 板 (或 上 盘 ) 围岩 f 值 和 稳 固 性 级 码 、 底 板 ( 或下盘 ) 围岩 了值和 稳定性 级码 、 矿床的勘 探类 型和 矿床 类别编 码 ( 这 两 个 参数 结合 起来 , 反 映矿床 的复杂 程度 . 因 日前 没有 统一 的硬岩 矿床 地质 勘探 规范 , 有 的是 一 定 类 别 的硬 岩地 质 勘探规范 , 如铁 矿地质 勘探规范 、 铅土矿地 质 勘探规范 等 , 所 以 加 人 了矿床类 别 编 码 , 同一 规范 的矿床类 别编码 相 同 ) 、 矿岩接 触状况编 码 (矿 岩分界 明显 的为 1 , 存在 渐 变 为 2) . ( 2) 矿 块主要 结构 描述参数 : 矿块长 、 阶段 高 (或矿块斜 长 ) 、 顶 柱 和底 柱尺 寸 . ( 3) 回 采工 艺描述参数 : 由于 与单个小 型 B P 模型 对应 的 , 是 已分得较 细 的采矿 方 法 , 这 样 的 同类采 矿方 法 的回 采工艺 大都是 相 同的 , 所 以 只需 要 设 置 少量 的 描 述参 数 , 设置 时 根 据 具 体对象 的情 况 而定 . 比如 , 对于 普通全 面法 , 本 文 仅设置 1 个 回采 工 艺 描述 参数: 回采 推进 方 式编 码 ( 沿走 向推进 为 1 、 逆倾斜推进 为 2 、 扇型 工作 面推进为 3) . 以 上介 绍 的是采矿方 法工 程背景 描述参数的 总体设置情 况 , 在实 际应 用 中 , 应根 据不 同 的 采 矿方 法特 点 , 进行必要 的增 加或删 减 , 这是建造 B P 网络模 型 时进行 的关 键且 比较 费 时 的 工 作 . 主要 技术 经济 指标一 般 为: 采 场生产 能力 、 采矿工 效 、 采矿 设备台 效 、 损 失 率 、 贫化率 及 主 要材 料 消耗 (如炸 药 、 水泥 、 钎子钢 、 坑 木等 ) . 3 B P 网络模型 的建 造 B P 网络 模型是 一种 典型 的前馈模 型 . 从数 学角度 来 看 , B P 网络 模型 是一 组输 人节 点 到 输 出 节点 的 映射 . 这种 映射是 一种 高度 非线性 的映射 . 如果 有 n 个输 入节 点 , 有 m 个输 出节 点 , 则网 络 是 : F : R ’` 冷 R ’” Y 一 F ( X ) K o h n 〔〕 g o or v 的神经 网络 映射 定理 已 经证 明向 : 只 要采 用有 隐节 点 的网络 , 这 种 映射 就 是 存在 的 . 3 . 1 B P 网络 模型 的 拓扑结构 输 人层 、 输 出层 附 节点 (单 元 ) 数分别 由采 矿方 法 的工 程背景 描 述 参 数 个 数 和 主 要 技 术 经 济 指标 的 个数 确 定 . 隐层数 及 隐节点数 的确 定 , 目前 尚缺 成熟 的理论指 导 , 通 常 采用 的是 拚 凑 法 . 经 过模 拟 实 验 , 我 们对 建造 获取采 矿方 法主要 技术 经济 指标 的 B P 网络模型 , 按一个输入节点对应 4 一 5个 隐节 点来 确定 隐节点数 , 一 般采 用一 个隐层 . .3 2 训练 B P 网 络模型

1994年No.6 北京科技大学学报 ·515· BP网络模型的拓扑结构一旦确定，接下来的问题就是训练这个模型， 首先，将收集的矿山实例进行整理，每个矿山实例的工程背景描述参数和主要技术经济指 标构成一学习样本，前者为BP网络模型的输人特征向量，后者作为模型的期望输出特征向 量.这些学习样本构成学习样本集合，放人数据文件，供训练模型使用.1个与BP网络模型对应 的采矿方法对应1个这样的数据文件. 然后，计算机将学习样本提供给BP网络模型，即将学习样本的输入特征向量和期望输出 特征向量，同时加在模型的输人层和输出层，当模型的实际输出值与期望输出特征向量之间 的误差小于设置时，这轮机器学习结束，紧接着进行下一轮学习，直到模型的权值稳定（不变 或变化量小于规定值)为止， 3.3BP网络模型的测试 对训练后的BP网络模型，需要进行测试，以检验其可靠性和实用性.我们采用两种方法 进行测试：1种是将学习样本作为检验样本，以检验模型的回响情况；另1种是用非学习样本作为 检验样本，以检验模型的预测能力. 下面，以普通全面法为例，说明建造BP网络模型的具体过程. 4实例 收集的实例来源于文献4~⑨，整理后得工程实例集合，共有14个实例.由于采用 Sigmoid型函数为活化函数，需要将样本数据变换为[0,1]之间的数.从变换后的工程实例集 中，随意抽出两个实例（供后面检验模型用，本文抽取的是第1和第7实例）后，其余的构成学 习样本集合.将样本集合放入普通全面法所对应的数据文件F111.DAT. BP网络模型的拓扑结构为：输入层节点数9，输出层节点数7，隐层节点数36 用FlI1.DAT数据文件训练BP网络模型，计算机经过约10min的时间完成训练工作.训 练时的最大总误差设置为0.001，最大单项误差设置为0.0001. 对训练后的BP网络模型进行以下测试： ()将变换后的工程实例集中的样本输人特征向量，作为模型的输入，模型几乎马上给出 结果.所得相对误差，系指模型实际输出值与期望输出值之间的相对误差，它们表明，回响是 成功的. (2)将变换后的工程实例集中的第1和第7实例（非学习样本）的输入特征向量，作为模型的 输入，则得出预测检验结果如表1. 表1普通全面法的预测检验结果 Table 1 Prediction tests for open stoping network 样本编号 模型实际输出值 相对误差% 1 0.64210.59600.77060.12040.2887028290.08460.730.420.423.832.108.1923.79 7 0.37890.87460.63770.19560.44330.58650.22461.060.030.341.351.471.661.11

1尧( 辫 年 N 6 . 6 北 京 科 技 大 学 学 报 B P 网 络模 型的拓 扑结 构 一旦 确定 , 接下 来的 问题就 是训 练这个 模 型 . 首先 , 将收集 的 矿 山 实例进 行 整理 , 每 个矿 山实例 的工程 背景 描述参数和主要 技 术经 济指 标 构成 一学 习 样 本 , 前 者 为 B P 网络模 型 的输人特 征 向量 , 后 者 作 为 模 型 的期 望 输 出特 征 向 量 . 这 些学 习 样 本构成 学 习 样 本集 合 , 放人数据文件 , 供训练模 型使 用 . 1 个 与B P 网络 模 型对应 的采矿 方法 对应 1 个这 样 的数 据文 件 . 然 后 , 计算 机将学 习 样本 提供给 B P 网络模 型 , 即将学 习 样 本的输 人特 征 向量 和 期 望 输 出 特征 向量 , 同时加在模 型 的输 人层 和输 出层 , 当模型 的实 际输 出值 与期 望 输出 特 征 向量 之 间 的误差 小于 设置 时 , 这 轮 机器 学 习结束 , 紧接 着进行 下 一 轮 学 习 , 直 到模 型 的权 值 稳 定 ( 不 变 或 变化 量小于 规定值 )为 止 . .3 3 B P 网络模型 的测试 对 训练 后 的 B P 网络模 型 , 需要 进行 测试 , 以 检 验其 可靠 性 和 实 用 性 . 我 们 采 用 两 种 方 法 进行测试:l 种是将学 习样本作 为检验样本 , 以检验模型的回响情况 ; 另 1 种是用非 学习样 本作 为 检验 样本 , 以检 验模 型 的预 测能力 . 下 面 , 以普 通全 面法 为 例 , 说明建 造 B P 网络 模 型的具体 过程 . 4 实例 收 集 的 实 例 来 源 于 文献 【4 一 司 , 整 理 后 得 工 程 实 例 集 合 , 共 有 14 个 实 例 . 由 于 采 用 S ig mo id 型 函 数 为 活 化 函 数 , 需 要 将 样 本数 据 变 换 为 0[ , l] 之 间 的 数 . 从变 换 后 的工 程 实 例 集 中 , 随意 抽 出两个 实例 (供后 面检 验模 型用 , 本文抽 取 的是第 1 和第 7 实 例 ) 后 , 其 余 的构 成 学 习 样 本集合 . 将样本 集合 放 人普通 全面 法所对 应的数 据文 件 F l 1 . D A .T B P 网络模 型 的拓 扑结构 为 : 输人 层节点 数 9 , 输 出层 节点 数 7 , 隐层节 点数 36 . 用 F l l . D A T 数据 文件 训练 B P 网络模型 , 计算 机经 过约 10 而 n 的时 间完 成训 练 工 作 . 训 练 时 的最大 总误 差设 置 为 .0 0 01 , 最大 单项误 差设置 为 .0 00 1 . 对训 练 后的 B P 网络 模 型进 行 以 下测 试: (l) 将 变换 后 的工程 实 例集 中 的样本输 人特征 向量 , 作 为模 型 的输 人 , 模型 几 乎 马 上 给 出 结果 . 所得相 对误 差 , 系指 模 型实 际输 出值与期望 输 出值之 间 的相 对误 差 . 它 们表 明 , 回 响是 成功 的 . ( 2) 将变换后 的工程实 例集 中的第 1 和第 7 实例 (非学 习样本 ) 的输人特 征 向量 , 作 为模型 的 输 人 , 则 得 出预测检验 结果 如表 1 . 表 1 普通全面法 的预 测检验 结果 aT ble 1 1、 日 11比on t“ 如 for 0 1脚I OtS 加嗯 【犯抽o kr 样 本编号 模 型实际输 出值 相对 误差 了% O石42 0 . 5 96 0 0 . 7 70 6 0 . 120 4 02 88 7 02 8 2 9 0刀84 6 0名74 6 0 . 6 37 7 0 . 195 6 0 . 4 43 3 0 . 586 5 0 . 224 6 0 7 3 0 一 42 1 . 肠 0 . 03 0 . 42 3名3 2 . 10 8 . 19 1 . 6 2 3刀9 0 . 378 9 0 . 34 1 . 35 1 . 4 7

-516 李英龙等：应用神经网络建立采矿经验知识库 Vol.16 No.6 检验结果表明：用BP网络模型，可以反映采矿方法的工程背景与主要技术经济指标之间 的相关性.上述检验中，回响检验的成功率为100%（相对误差小于10%的数据所占比重方 预测检验时，只有一个数值的相对误差是大于10%，其余误差均小于10% 5结论 (1)对于这个获取采矿方法主要技术经济指标的采矿经验知识库，目前只完成知识库结 构和几个采矿方法的BP网络模型的建造工作，还有许多采矿方法的BP网络模型有待完成， 不过，研究已经表明：利用这样的采矿经验知识库，获取采矿方法的主要技术经济指标是可行 的. (2)采用类似于本文的方法，可进行其它采矿领域的经验知识库的建造，如采掘设备台 效经验知识库. (3)在应用过程中，还需对建好的经验知识库不断更新，即过一段时间后，应将出现的新 工程实例提供给BP网络模型作为学习样本， 参考文献 1云伏夏等.采矿方法选择中的模糊决策.化工矿山技术，1986（⑤：2~6.13 2焦李成著.神经网络系统理论，西安：西安电子科技大学出版社，190.34~36 3 Hechit-Nielsen R.Kolmogorov's Mapping Neural Network Existence Theorem. In:Proc.IEEE Ist Int Conf on Neural Network.1987.11 14 4王家齐等编.空场采矿法。北京：冶金工业出版社，1988.1~32 5采矿手册编辑委员会编.采矿手册（第4卷）.北京：冶金工业出版社.1990.130~137 6采矿设计手册编写委员会编.采矿设计手册（矿床开采卷下）.北京：中国建筑工业出版社，1988.1084~1091 (上接512页) 参考文献 1 Wittke W,Pierau B.Foundations for the Design and Construction of Tunnel in Swelling Rock.Pro- ceedings of the 4th International Congress on Rock Mechanics,Montreux,Switerland.1979.vol 2:219 2 Richar心BG.膨胀粘土体积变化的有限元分析.见：国外膨胀土研究新技术.四：成都科技大学出版社， 1986.102 4于学馥，郑颖人，刘怀恒，方正昌.地下工程围岩稳定分析.北京：煤炭工业出版社，1983.1 5杨庆，膨胀岩本构及巷道地压显现规律的研究，[博士学位论文小：北京科技大学，193 6郑颖人，董飞云等，地下工程锚喷支护设计指南，北京：中国铁道出版社，1988.100

李英龙等 : 应用 神经网 络建立采矿经验知识 库 \10 1 . 1 6 N 0 . 6 检验结 果表 明 : 用 B P 网络模型 , 可 以 反映采 矿方 法 的工程 背景 与主要 技 术 经 济 指标 之 间 的相 关性 . 上述检验 中 , 回 响 检验 的成功 率为 10 % ( 相 对误 差 小 于 or % 的 数据 所 占比重 ) ; 预测 检验 时 , 只有 一个数值的相 对误差 是大于 or % , 其余 误差均 小于 10 % . 5 结论 ( l) 对于这 个获取采 矿方法 主要技术 经济指 标 的采 矿经 验知 识 库 , 目 前只 完 成 知 识 库结 构 和几 个采矿方 法 的 B P 网络模 型的建造工作 , 还 有许多 采矿 方法 的 B P 网 络模 型有 待完 成 . 不 过 , 研 究 已 经表明 : 利用这 样的采矿经验知识 库 , 获取采 矿方法 的主要 技术 经 济 指 标是 可行 的 . ( 2) 采用类 似于本文的方法 , 可进行其它采矿领 域的经 验知 识库 的建 造 , 如采掘 设 备台 效 经验 知识库 . ( 3) 在应用 过程 中 , 还需 对建 好的经验知 识库不 断更新 , 即过 一 段 时 间后 , 应 将出现 的新 工 程 实例 提供给 B P 网络模 型作为学 习样 本 . 参 考 文 献 云 庆夏 等 . 采 矿方法选 择中的模糊决策 . 化工 矿 山 技术 , 198 6( 5) 焦李成著 . 神经 网络系统理论 . 西 安: 西安 电子 科技大学出版社 , 2 一 6 , 13 19明〕 . H eC l l l t 一 N i e lse n R . K o lm o go or v ’ 5 M a p p哩 N e uJ 甩 1 N et ow rk E 油 t e l l eC nI : P找犯 . IE E E l s t nI t C(〕 nf o n N e t班d N 己t , 戊〕 kr . 1987 . 11 一 14 34 一 36 T 】翻〕 1℃ In . 王家齐等编 . 空 场采矿法 . 北京: 冶金 工业 出版社 , 198 8 . 1 一 32 采矿 手册编辑委 员会编 . 采矿手册 (第 4 卷 ) . 北京 : 冶金工 业 出 版社 , 19叭) . 130 一 13 7 采矿设计手册编写委员会编 . 采矿设计手册 (矿床开采卷下 ) . 北京 : 中国建筑工业出版社 , 198 . 1084 一 1的1 ( 上接 5 12 页 ) 参 考 文 献 1 Wi t tke W , 到e ar u B . oF u l ld a iot ns fo r the 】〕路 lgn a n d 伪 ns tr 比=tj o n of T nU n e l in s忱】li n g R oc k . P n 〕 - 。 司m 多 of the 4 ht nI et r . iot nal bC n gn 翔 on R oc k M eC 比njL 。 , M o n t re xu , S iw te ral n d . 1979 . 钧1:2 21 9 2 R j c ha 代七 B G . 膨胀粘土体积变化的有限元分析 . 见 : 国外膨胀土研究新技术 . 四川 : 成都科技大学出版社 . 1986 . 102 4 于 学馥 , 郑颖人 , 刘怀恒 , 方正 昌 . 地 下 工 程围 岩稳定分析 . 北京: 煤炭工 业出版社 , 198 3 . 1 5 杨庆 . 膨胀岩 本构及 巷道地压显现规律 的研究 . 阵士学位论文 ] : 北京科技大学 , l卯3 6 郑颖人 , 董飞 云 等 . 地下 工 程锚喷支护设计指南 . 北京 : 中国铁道出版社 , 198 . 1的