VoL.25 No.2 王艳辉等：基于人工神经网络的地下矿山岩层移动研究 107· 动角范围为40-85°. 矿体其值为0.5，复杂矿体其值为0.7，较复杂矿体 其值为0.9，非常复杂矿体其值为1.0. 2样本的选取及数据处理 由隶属函数()，可给出地形参数、岩体稳定 性分类参数等模糊关系参数k,1,在此不再赘述. 2.1输入因素与输出因素的量化处理 (2)输出因素隶属度的确定. 在BP网络中，传递函数一般为(0,1)的S型 采用升半梯形分布函数，如： 函数，即)=中函数，输出层的函数为线性微 0 x≤a1 活函数.由于输入层的输入值在(0,1)区间，其输 4(X0= x-a a1<t≤4 (6) 出范围也应在(0,1)区间，但是在用神经网络模 a2-a1 a:<x 型对岩土工程问题进行分析时发现实际收集到 此处，a1=40,2=85,则式(6)为： 的各种数据无法完全落在该范围内.由于岩层移 0 x≤40 动是一个多因素、多机理相互影响和相互作用的 4)= x-40 85-40 40<x≤85 (7) 庞大复杂的非线性系统，且其受工程地质条件、 岩体结构特征、岩体力学性质以及采矿方法等环 1 85<x 境因素的影响，有许多信息无法用定量的形式来 2.2神经网络的学习样本 表述而只能用定性的形式来说明.这就使得收集 为了获取学习样本，对国内外11个无底柱分 到的数据与网络模型算法要求的数据不一致，致 段崩落法矿山进行了地表移动调查m,根据调查 使学习样本无法输入到网络模型中去，达不到学 结果表，选取24组样本.对相应样本的输入和输 出因素按实际情况进行定量化.根据所在级别进 习与预测的目的. 为了合理确定学习样本中的某一确定值，将 行数据的模糊处理.例如对于某一样本，矿体倾 其确定在(0,1)范围内，这里采用模糊数学中的 角为25°，属于21<a<40这个范围，相应的k,t值 分别为30.5和11.41064.将x=25和此时的k,t值分 隶属度加以量化处理， (1)输入因素隶属度的确定 别带入式(1)则可求出其隶属度4(0为0.792684， 采用正态分布函数来表示隶属函数，即 而其他范围内的倾角值均按0.1进行处理，则该 C-exp 样本的矿体倾角输入因素为0.1,0.792684,0.1， (1) 0.1,0.1.其他因素的处理与此相同. 其中，k,1为待定参数，可由下式确定 4X)=1 (2) 3网络参数设计及训练结果分析 4X)=4X)=0.5 (3) 3.1网络参数设计 式中，Xm,X,X分别表示X中值、上限值、下限值. l989年，Robert Hecht-Nielson证明了对于任 若某因素在某类别中具有一个中介值时，中 何在闭区间内的一个连续函数都可以用一个隐 介处的模糊度值仍取得最大值，即4(X)=0.5或 层的BP网络来逼近，因而用一个三层的BP网络 (X)=0.5;但若仅具有上限（或下限）时，其隶属 可以完成任意的n维到m维的映照.因此，采用 度的最大值将发生在小于上限（或大于下限）值 三层或更多层的网络结构在理论上均可实现，但 的k处，且在小于上限（或大于下限）值的k处的 是，用三层具有Sigmoid非线性神经元的BP神经 隶属度恒取为1，故隶属函数： 网络学习算法收敛速度很慢，通常需要上干次或 对仅具有上限时， 更多的迭代次数.误差精度的提高有两种途径： x<k 40= -(x-k (4) 一是增加隐含层的层数：二是增加隐含层节点个 exp x≥k 数.综合以上因素，本文采用具有两个隐层的BP 对仅具有下限时， 神经网络，. -(x-k) exp x≤k (1)输入层与输出层节点的确定， 4X0= (5) 1 x>k 输入层节点与输出层节点的个数往往是由 对于矿体形态因素，根据调查结果，对其进 具体问题决定的.本文中，影响岩层和地表移动 行定性处理，即对于单一矿体其值为03，较单一 的因素共有10个，而10个因素中又共有44个级王 艳 辉 等 基 于 人 工 神 经 网 络 的地 下 矿 山岩 层 移 动 研 究 动 角 范 围 为 一 “ 样本 的选 取 及 数 据 处 理 输 入 因 素 与输 出 因 素 的 量 化处 理 在 网络 中 ， 传 递 函 数 一 般 为 ， 的 型 函数 ， 。 卜 命 函 数 ， 输 出层 的 函 数 为 线 性 激 活 函数 由于 输 入层 的输 入 值 在 ， 区 间 ， 其 输 出范 围也 应 在 ， 区 间 ， 但 是在 用 神 经 网络 模 型 对 岩 土 工 程 问题 进 行 分 析 时 发 现 实 际 收 集 到 的各 种 数据 无 法 完 全 落 在 该 范 围 内 由于 岩 层 移 动 是 一个 多 因素 、 多机 理 相 互 影 响和 相 互 作用 的 庞 大 复 杂 的非 线性 系统 ， 且 其 受 工 程 地 质 条件 、 岩体 结构特 征 、 岩 体 力 学性 质 以及 采矿 方 法 等环 境 因素 的影 响 ， 有 许 多信 息 无 法 用 定量 的形 式来 表述 而 只 能用 定性 的形 式 来 说 明 这 就 使 得 收集 到 的数据 与 网络模 型算 法 要 求 的数 据 不 一 致 ， 致 使 学 习 样 本 无 法 输 入 到 网络模 型 中去 ， 达 不 到 学 习 与 预 测 的 目的 为 了合 理 确 定 学 习样 本 中 的某 一确 定值 ， 将 其 确 定 在 ， 范 围 内 ， 这 里 采用 模 糊 数 学 中的 隶 属 度 加 以量 化 处 理 输 入 因 素 隶 属 度 的确 定 〔 采 用 正 态 分 布 函 数 来表 示 隶 属 函数 ， 即 矿 体 其 值 为 ， 复杂矿 体 其 值 为 ， 较 复 杂矿 体 其 值 为 ， 非 常 复 杂 矿 体其 值 为 由隶 属 函 数产闭 ， 可 给 出地 形 参数 、 岩 体稳 定 性 分 类 参 数 等 模 糊 关 系 参 数， ， 在 此 不 再 赘 述 输 出 因 素 隶 属 度 的确 定 『 采 用 升 半梯 形 分 布 函 数 ， 如 三 沈三 口 成尤 一口 召因 一 此 处 ， ， ， 场 ， 则 式 为 ” 了 ， 一 娜 ’ 一 即骊 义 喊尤三 沈 ， ， 一 。 怀 一 了一 神 经 网络 的 学 习 样 本 为 了获 取 学 习 样 本 ， 对 国 内外 个 无底 柱 分 段 崩 落 法 矿 山进 行 了地 表 移 动 调 查 ‘ ，， 根 据 调 查 结 果 表 ， 选 取 组 样 本 对 相 应 样 本 的输 入 和 输 出 因素 按 实 际情 况进 行 定量 化 根 据 所 在 级 别进 行 数 据 的模 糊 处 理 例 如 对 于 某 一 样 本 ， 矿 体 倾 角 为 ， 属 于 这 个 范 围 ， 相 应 的 ， 值 分 别 为 和 将 和 此 时 的， 值 分 别 带 入 式 则 可 求 出其 隶 属 度产闭为 ， 而 其 他 范 围 内的倾 角 值 均 按 进 行 处 理 则 该 样 本 的矿 体 倾 角输 入 因 素 为 ， ， ， ， 其 他 因 素 的处 理 与此 相 同 ， 其 中 ， ， 为待 定 参数 ， 可 由下 式 确 定 召 弋 产 赵 式 中 ， ， 兀 ， 分 别 表 示 中值 、 上 限值 、 下 限值 若 某 因素在某类 别 中具 有 一 个 中介值 时 ， 中 介 处 的模 糊 度 值 仍 取 得 最 大 值 ， 即产 或 召 但 若 仅 具 有 上 限 或 下 限 时 ， 其 隶 属 度 的最 大值将 发 生 在 小 于 上 限 或 大 于 下 限 值 的 处 ， 且 在 小 于 上 限 或 大 于 下 限 值 的 处 的 隶 属 度 恒 取 为 ， 故 隶 属 函 数 对 仅 具 有 上 限 时 ， 「 尸闭 卜 一 一几了一 对 仅 具 有 下 限 时 ， 【一 一 ，， 豹 一 万一 一 户， 、 钾 ‘ ， 之 三 对 于矿 体 形 态 因 素 ， 根据 调 查 结 果 ， 对 其 进 行 定性 处 理 ， 即对 于 单 一 矿 体 其值 为 ， 较 单 一 网络 参数 设 计 及 训 练 结 果 分 析 网 络 参数 设 计 年 ， 一 证 明 了对 于 任 何 在 闭 区 间 内 的 一 个 连 续 函 数 都 可 以用 一 个 隐 层 的 网络 来 逼 近 ， 因而 用 一 个 三 层 的 网络 可 以完成 任 意 的 维 到 维 的映 照 ‘ 因此 ， 采 用 三 层 或 更 多层 的 网络 结 构在 理 论 上 均 可 实现 但 是 ， 用 三 层 具 有 非 线性 神经 元 的 神经 网 络 学 习 算法 收 敛速 度 很 慢 ， 通 常 需 要 上 千 次或 更 多 的迭 代 次 数 误 差 精 度 的提 高 有 两 种 途 径 一 是 增 加 隐含 层 的层 数 二 是增 加 隐含 层 节 点个 数 综 合 以上 因 素 ， 本 文采 用 具 有 两 个 隐层 的 神 经 网络 「‘ ，，」 输 入 层 与输 出层 节 点 的确 定 输入 层 节 点 与 输 出层 节 点 的个 数 往 往 是 由 具 体 问题 决 定 的 本 文 中 ， 影 响 岩 层 和 地 表 移 动 的 因 素共 有 个 ， 而 个 因 素 中又 共 有 个 级