基于遗传算法改进BP网络的地表沉陷预计.pdf

第 1 4卷第 1 O期 2 0 0 5年 l O月 中 国 矿 业 CHI NA M I N I NG M AGAZI NE Vo 1 ．i 4， No ．1 0 Oc t ob e r 2 0 05 基 于遗传算法改进 B P网络的地表沉陷预计 肖 波 麻风海 杨 帆。 张荣亮 1 ．辽 宁工程 技 术 大学土 木 建筑 工程 学院 阜新 1 2 3 0 0 0 ； 2 ．辽 宁工程技 术大 学学科 建设 办公 室 阜新 1 2 3 0 0 0 ； 3 ．辽 宁工程 技 术 大学测 量 工程 系 阜 新 1 2 3 0 0 0 摘要本文采用遗传学 习算法和误差 反 向传 播算法 相结合 的混合 算法来 训练前 馈人工 神经 网络 ， 即先 用遗传 学习算法进行全局训练 ，再用 B P算 法进行精确训练 ，使 网络收敛速度加快和避 免局部极小 。 作为实例 ，将该方法应用于地表沉 陷预计 问题 中。建 立了采动地表沉 陷的神经 网络 预计模型 ，利 用矿区 大量的地表沉陷实际观测数据样本对该神经 网络进行 训练和学习 ，并用该 网络对几组数 据进行采 动地表 沉陷预计 。结果表 明 ，该 神经 网络预计模型具有收敛速度快 、预测精度高 的优点 ，为采 动地表沉 陷预计 提供 了实用 的方 法。 关键词 人 工神经网络 遗传 学习算法 B P算 法 采 动地表沉隐预测 中围分 类号O1 5 9 文献标识 码 B 文章 编号 1 0 0 4 4 0 5 i 2 0 0 5 1 0 0 0 8 3 一O 4 S URFACE S UBSI DENCE PREDI CTI oN I N M I NED- oUT BAS ED oN GENETI C ALGoRI THM oPTI M I ZED BP NETW oRK Xi a o Bo M a Fe ngha i 。 Ya ng Fa na Zha n g Ro ngl i a ng 1 ． S c h o o l o f Ci v i l Ar c h i t e c t u r e En g i n e e r i n g， Li a o n i n g Te c h n i c a l Un i v e r s i t yFu x i n 1 2 3 0 0 0 2 ．Of f i c e of Di s c i pl i n e Co ns t r u c t i on， Li a on i ng Te c hni c a l Un i v e r s i t y Fu x i n 1 2 30 00； 3 ． De p a r t me n t o f Su r v e y i n g En g i n e e r i n g， Li a o n i n g Te c h n i c a l Un i v e r s i t yFu x i n 1 2 3 0 0 0 Ab s t r a c t ．． A n ew me t ho d f or t r ai ni n g t he ar t i f i c i a l ne ur a l ne t wor k i s pr e s e nt e d． I n t hi s me t h od。 t he ge n e t i c a l g or i t h mGA ． a g e ne r al pu r p os e gl oba l s e a r c h a l go r i t hm i s u s e d t O t r a i n t h e ne t wor k wi t h up da t i n g t h e we i gh t s t O mi ni mi z e t he e r r o r be t we e n t he ne t wor k ou t p u t a nd t he de s i r e d ou t pu t ． The n t he b a c k - p r o p a g a t i o n BP a l g o r i t h m i s u s e d t O f u r t h e r t r a i n t h e a r t i f i c i a l n e u r a l n e t wo r k ． Th e me t h o d i s u s e d t O s pe e d u p t he c on ve r ge n c e an d i mpr ov e t he pe r f or ma nc e ． As a n e xa mp l e， t he me t ho d wa s u s e d t O p r e di c t s u r f ac e s ub s i de n c e i n mi ne d - out ． An ne u r a l ne t wor k p r e d i c t i on mode l wa s e s t a bl i s h e d． A l Ot of p r ac t i c al s u r v e y i n g d at a s e t s a r e c ol l ec t e d t O t r a i n t he ne ur a l n e t wo r k． Se v e r al s e t s a r e us e d t O p r e d i c t t he s u r f ac e s u bs i d e nc e b y t he ne u r a l ne t wor k． Re s u l t s s how t ha t t he n eu r al n e t wor k pr e di c t i on mod e l i s of hi g h c o n v e r g e n t s p e e d a n d g o o d p r e d i c t i o n p r e c i s i o n ， S O t h e mo d e l o f f e r s a u s e f u l a p p r o a c h f o r s u r f a c e s u b s i d e n c e p r e di c t i on i n mi n e d OU t ． Ke y wo r d s Ar t i f i c i a l n e u r a l n e t wo r k Ge n e t i c a l g o r i t h m B a c k - p r o p a g a t i o n a l g o r i t h m S u r f a c e s u bs i de n c e pr e di c t i on i n mi n e d ou t 矿 山开采 引起 的地 表沉 陷一 直是 矿 山生 产 中经 基 金项 目 辽 宁省教育厅 基金 2 0 2 1 8 3 3 9 2 。辽 宁 省 自然 科学 基金 2 0 0 2 2 1 5 8 和辽宁省 中青年学科带头人培养基金联合资助。 收稿 日期 2 0 0 5 0 6 2 2 作者简介 肖 波 1 9 7 9 一 男 在读 硕士研 究生研究 方向为 开 采沉陷与防治 常 遇 到 的 问 题 ，常造 成 地 面 设 施 被 损 坏 ，农 田被 毁 ，给 矿 山生 产 和安 全 带 来重 大 经济 损 失 ，因此 ， 矿 山开采 引起 的地 表沉 陷 问题 已成 为采矿 工程 中重 要研 究课 题之 一 ，其 中 ，开采 沉陷 预计是 开 采沉 陷 学科 的核 心 内容 。近几 十年来 ，开 采地 面沉 陷预计 维普资讯 8 4 中 国 矿业 第 l 4 卷 的理论 和方 法虽 已取 得 巨大进 展 ，开成 了预 测开 采 地 面 沉陷 的经验 方法 、剖 面 函数法 、数 值模 拟法 以 及 随 机介质 理论 预计 法等 ，但 这些理 论 和方 法都 缺 乏 自学 习能力 ，对 于在实 际 中获得 含有 噪声 的信 息 时很 难得 出令人 满意 的结 果 。同 时 ，地 下开 采 的对 象岩体是经过长期的地质作用形成的，岩体具有复 杂的结构和构造，因此岩体在变形和破坏过程中表 现出来 的力学特性非常复杂 ，具有高维的非线性， 开采 沉 陷量 与各影 响 因素之 间所组 成 的是一 个典 型 的非 线性 系统 。因而 ，难 以用 传统 的数 学方 法建 立 较 为精确 的模 型 ，使 得理 论预 测结 果与 实 际情况 差 别 较大 ，这 是开采 沉 陷学 目前 还 不能 明确解 决 的 问 题 。 人工 神 经 网络是 8 O年 代 后期 迅 速 发展 起 来 的 一 门新兴 科 学 。它模拟人 脑 的某 些智 能行 为 ，具 有 自学 习 、 自组 织 、 自适 应 和 非 线 性 动 态 处 理 等 特 性 。其 中 B P算 法是 目前 应用 最 为 广 泛 、最 活跃 的 神经 网络学 习算法 。利 用神 经 网络既 能考 虑定量 和 定性 因素 ，又具有 自学 习 、 自组织 和高 维非 线性 映 射 功能 ，能够 建立 复杂 因素 间 的函数 映射关 系 的特 点 ，建立 了采 动地 表沉 陷 的神 经 网络预 计模 型 ，当 网络训练 好之 后 ，就可 以对沉 陷 区的最 大沉 陷量 和 最大 水平位 移 量进行 预 计 。研 究 表 明 ，应 用 B P算 法具有较高的预测精度。但是 ，B P算法在权 值迭 代算 法 中存在 的学 习训 练时 间长且 收敛 速度 慢 、易 陷入局部最小和隐含节点数难 以确定等 问题 ，极大 地 限制 了它 在工程 上 的应 用 。遗传 算法 是基 于 自然 选择 和遗 传规 律 的并 行全 局搜 索算 法 ，它具 有很 强 的宏 观搜 索 能力 ，算法具 有 寻优 的全局 性 。本文 将 遗传 算法 和神 经 网络有机 结合 起来 ，先 利用 遗传 算 法来 训 练 网络 即遗 传学 习算 法 ，再 用 B P算 法 来 进 行 精 确 求 解 。这 样 ，先 得 到 了权 值 的一 个 范 围 ，在此基 础 上训 练 网络 就可 以在 相 当大 的程度 上 避免 局部极 小 ，训 练次数 和最 终权值 也 可 以相对 稳 定 ，训练 速度 也能 大大加 快 。 1 B P算法 及其 局 限性 B P算 法 即误 差 反 向传播 算 法 ，学 习训 练 过 程 由两部 分组 成 ，即 网络输入 信号 正 向传播 和误 差信 号 反 向传 播 ，按有 导 师学 习方式 进行 训练 。在 正 向 传播 中，输入信息从输入层经隐含层逐层计算传向 输 出层 ，在输 出层 的各 神经 元输 出对应 输 入模 式 的 网络 响应 ；如果输 出层得 不 到期望 输 出 ，则 误 差转 入反向传播 ，按减小期望输 出与实际输出的误差原 则 ，从 输 出层经 到 中间各层 ，最 后 回到输 入 ，层层 修正各个连接权值。如此循环直到误差信号达到允 许的范围之内或训练次数达到预先设计 的次数 为 止 。 前馈 多 层神 经 网络采 用 B P算 法 学 习 时 ，由 于 B P算法 采用 的 是梯 度 下 降 法 ，便 利 网络 的 学 习效 果 对初 始权 的依 赖性 较大 ，而 网络 的初始 权值 的选 择 缺乏 依据 ，具 有很 大 的随机性 ，这 在很 大程 度上 影 响 网络 的泛化 能力 。神经 网络连接 权值 的整 体分 布包 含着神 经 网络系 统 的全部 知识 ，传统 的权 值 获 取 方 法都是 随机 给定 一组初 始 的权值 ，然 后是 采用 某 个 确定 的变化 规则 ，在 训练 中逐 步调整 ，最 终 得 到一个 较好 权值 分布 。由于 B P算 法 是基 于梯 度 下 降方 法 ，不 同的初始 权值 可能会 导致 完全 不 同的 结 果 。一旦取 值 不 当 ，就会 引起 网络 振 荡或 不 收敛 ， 即使 收敛 也会 导致训 练 时间增 长 ，再加 之实 际 问题 往往 是极 其 复 杂 的 多 维 曲面 ，存 在 多 个 局 部 极 值 点 ，使得 B P算法极 易 陷入 局 部极 值 点 。这 些 导 致 B P神 经 网络训 练 时 间过 长 而 最终 得 不 到 适 当的权 值 分 布 ，从 而 影响 网络 的泛化 能力 ，极 大 的限制 了 神 经 网络在 实 际预测 中的应用 。 2 基于遗 传 学 习算 法和 B P算法 的前馈 网 络 2 ． 1 遗传 学 习算法 设 有 三层神 经 网 络 ，I i 为输 入 层 中 第 i 个 结 点 的输 出；Hi 为 隐含 层 中第 i 个 结 点 的输 出 ；Oi 为 输 出层 中第 i 个 结 点 的输 出 ；WI H_ 执 为输 入层 中 第 i个 结 点 与 隐 含 层 第 j个 结 点 的 连 接 权 值 ； W HO j i 为隐 含层 中第 j 个 结 点 与 输 出层 第 i 个 结 点 的连 接权值 。 遗传学 习算法 如下 ①初 始 化 种群 P ，包 括 交 叉 规 模 、交 叉 概 率 P 、突 变 概 率 P 以及 对 任 一 w I H i 和 WHO ， i 初始化 ；②计算 每 一 个 个体 评 价 函 数并将其排序 ；③以要率 P 对个体 Gi 和 G 交叉 操 作产 生新 个 体 G i 和 G H 。，没 有 进 行 交叉 操 作 的个体 进行 直接 复制 ；④ 利用 概率 P 突变 产 生 G 新 个体 G i ；⑤将 新个 体 插 入 到种 群 P中 ，并 计 算 新 个体 的评 价 函数 ；⑥根 据评 价 函数 的顺 序 ，仅 保 留一半 具有 较高评 价 函数 的个 体 ；⑦如 果找 到 了满 意 的个 体 ，则结束 ，否则 转③ 。 其 中交 叉 操作 是 交 换 个 体 G i 和 G⋯ 的 W HO 部 分 ，变 异 操 作 是 以 概 率 P 随 机 选 择 W I H 、 WHO；i 指定 [ 一1 ，1 ]区间的随机数值 ，进而产生 新个 体 。 2 ． 2 基 于遗传 学 习算 法和 B P算法 的前馈 网络 从神经网络 B P算法和遗传算法 自身的特点来 讲 ，B P算法的训练 是基于误差梯度下降的权重修 改原则，不可避免的存在落人局部最小点问题 ；遗 维普资讯 第 l O 期 肖 波等 基于遗传算法改进 B P网络 的地表沉 陷预计 8 5 传算法善于全局搜索，而对于局部的精确搜索显得 能力不足。本文 将遗传 学 习算 法和 B P算法 相结 合 ，先用遗传算法对 B P网络连接权和 阀值进行全 局 寻 优 ，将 搜 索范 围缩 小 之后 ，再 用 B P寻 优 。实 现 了优势互 补 ，有利 于更 好 的解决 问题 。具 体过 程 见 图 1 。 3实例 分析 根据 以上算 法 ，用 Ma t l a b编 制 相 应 程 序 ，用 于 地表 沉陷 预测 。 实践 经验 表 明 ，开 采沉 陷 的分布规 律 取决 于地 质和 采矿 等 因素 的综 合 影 响 。本 文 根 据 实 际 资 料 ， 把影响开采引起地表沉陷的诸因素描述如下 X 一 覆 岩力 学性 质 坚硬 、中硬 、软弱 用 硬度 系数 来 表 示 ；X z 一 松 散层对 地 表移 动特 征 的影 响 ；X 。 一 煤 层厚度 ；X 一煤层倾角 ；X 。 一开采深厚 比；X 一采 区尺寸 大小 ；X 一 采 动性质 ；X 。 一 顶板 管理 方法 。 本 文共 收 集 了 1 4个 开 采 地 面 沉 陷 实 例 数 据 ， 见表 1 ，其中前 1 O个实例作 为神经网络进行 自学 习的样本集，余下 4个实例作为神经网络的测试样 本 集 ，用 于检验 该 方法 的正确 性和 实用 性 。训 练时 将 上述 8个 影 响因 素作为 网络 的输人 ，将 最 大下 沉 值 和最 大水 平移 动值作 为 网络 的输 出 ，中间神 经元 个 数为 1 5 ，为 3层 网络 ，网络 结构 图见 图 2 。在样 本 的训练 过 程 中 ，取 初 始 群 数 为 5 O ，交 叉 概 率 P 为 0 ． 6 5 ，变异 概 率 P 为 0 ． 0 1 ，终 止 进 化 代 数 为 5 0 0 ，初 始权值 取值 范 围 一1 ． 0 ，l I O ，取 神 经 网 络 自适 应 学 习速 率 为 0 ． 7 ，动 量 系数 为 0 ． 8 。误 差 要 求 e为 0 ． 0 1 。网络 采 用在 Ma t l a b环境 下 自行 开 发 的算 法程 序进行 训 练 。把 表 1 的训 练样 本集 代人 学 习 ，经过 1 0 4 s 、1 0 6 0次 迭 代 ，获 得 了稳 定 的 网 络结构和连接权值 ，训练时间较一般神经网络大为 减少 。网络训 练好 后 ，用检 测样 本集进 行 预测 ，预 测 结 果见 表 2 。 输 出层神经元 m 2 隐含层神经元 1 5个 输人层神经元 n 8 图 1流 程 框 图 图 2三层神经网络结构 表中定 性因 数的 赋值含义 采动 性质1 一代表初莱 ■ 夏 ■ 1 西 萼 维普资讯 8 6 中 国 矿 业 第1 4 卷 从 预 测 的结 果来 看 ，地表 下沉 相对 误差 的最 大 值 为 7 ． 7 ，地 表 水 平 移 动 相 对 误 差 的最 大 值 为 9 ． 2 ，可 见预 测结 果是令 人 满意 的 。 4结束语 地下采 矿 引起 的地表 沉陷 受众 多 因素影 响 ，岩 体 在 变形和 破坏 过程 中表 现 出来 的力 学 特性非 常 复 杂 ，具有高维的非线性。而人工神经网络具有很强 的学 习能力 、 自适 应 、 自组 织 和容错 功能 ，本 文通 过 样本 学 习建立 了采 动地 表沉 陷的 B P神 经 网 络 预 计模型，对沉陷区的最大沉降量和最大水平位移量 进行预计 。针对原 B P算法易振荡 、收敛速度慢 、 易 陷入局 部极 小 的缺 点 ，本 文提 出了将神 经 网络 和 遗传算法相结合 ，利用遗传算法对 B P网络权 系进 行优化 ，该改进后的 B P神经网络预计模型具有收 敛速度快 、预测精度高的优点。进而将该方法运用 于采动地表沉陷预测 。从实际算例来看预测结果较 好 ，克 服 了神经 网络 自身 的缺 陷和不 足 ，说 明本文 提 出的方法 是行 之有 效 的。 参 考文献 [ 1 ] 麻风海．离层 充 填减缓 地 表下沉 效 果评 价 的神经 网络 模型 [ J 3 ．辽宁工程技术大学学报 ，1 9 9 8 ，6 2 2 5 2 2 8 ． 2 3 麻风海 ，王泳嘉 ，范学理．利用 神经 网络 预测开采 引起 的地 表沉陷 [ J 3 ．阜新矿业学 院学报 ，1 9 9 5 ， 3 4 6 4 9 ． 3 3 麻风海 ，杨帆．采矿地 表沉隐 的神 经网络预 测 [ J ] ．中 国地 质灾害与防治学 报，2 0 0 1 ，1 2 3 8 4 8 7 ． [ 4 ] 袁承任．人工神经元 网络及其应用 [ M3 ．北京 清华大学 出 版社 ，1 9 9 9 ． 5 3李人厚 ，张平安译．精通 Ma t L a b综合辅导 与指南 [ M] ．西 安 西安交通大学 出版社 ，1 9 9 8 ． 6 3 何 国清． 开采 沉 陷学[ M] ．徐 州 t中国 矿业 大 学 出版 社 ， 1 9 9 4 ． 欢迎订阅 2 0 0 6年 黄金杂志 黄金 杂 志于 1 9 8 0年创 刊 ，是由中华人民共和 国新 闻出版总署 批准 ，中国黄金集 团公 司主管 ，长春 黄金 研 究院主办的黄金行业惟 一的综合 性科技刊物 。主要报道黄金及其相关行业在 经济管理 、黄 金市场 、 黄金 及贵 金属工业应用、黄金地质、采矿工程、机电与自动控制、选矿与冶炼、分析与环保等方面的科研成果，以及 嚣 新理论、新技术、新方法、新工艺、新设备、生产技术经验等内容 ，同时还开辟了首饰之苑、企业之窗、信息 匿 纵横、专利技术、读编往来等栏目。为发展和提高黄金生产技术水平服务，为黄金科技进步与创新服务，为厂 辜 矿企业、广大读者及用户服务。 罢 黄金杂志为全国中文核心期刊、中国科技论文统计源期 刊 中国科技核心期刊 、美 国 化学文摘 C A检索文献源 、 中国学术期 刊综合 评价数据库统计刊源 ，并被 中 国期 刊网 、 中 国期 刊全文数据 库 、 中文科技期刊数据库 、 万方数据数字化期刊群和 中国核心期刊 遴选数据库全文收录，人编 基 中国学术期刊 光盘版 。 黄金杂志荣获冶金工业系统优秀期刊奖和吉林省优秀期刊奖。 黄金 杂志 内容翔实 ，信 息量 大 ，实 用性强 ，具 有权威 性 。其 发行量 大 、覆盖 面广 ，已遍 布黄 金、冶金 、 地质矿产、有色金属、核工业、化工、金融及金银珠宝饰品等行业。 曼 黄金杂志为月刊，彩色封面，6 4页，国际开本 2 9 7 m m2 1 0 m m ，国内外公开发行。国内邮发代号 l 2 4 7 ，全 国各 地邮局均 可订阅；国外 发行 代号 M3 3 3 1 ，由中国国际图书贸易总公 司承办 。国内每期定价 1 0 ． 0 0 元 ， 全年定价 1 2 0 ． 0 0 元。订阅者可到当地邮局 所订阅， 也可直接通过 黄金杂志社发行部订阅。 星 地址 吉林省长春市南湖大路 6 7 6 0号 黄金 杂志社发行部 邮编1 3 0 0 1 2 联 系人李跃辉 电话 0 4 3 1 5 5 2 9 8 3 8 传真 0 4 3 1 5 5 2 1 8 6 1 电子信箱 j o u r n a l c c g r i ． c o m h t t p ／ ／ ww w． c c g r i ． c o m／ g o l d 维普资讯