基于MatLab的神经网络在江苏矿山地质环境评估中的应用.pdf

江苏地质 ， 3 1 4 ， 3 4 8 3 5 3 ， 2 0 0 7 基于 Ma t L a b的神经网络在江苏矿 山地质环境评估中的应用 刘洪 ，张宏斌 1 ．江苏省地质调查研究 院， 江苏 南京 2 1 0 0 1 8 ；2 ．东南大学交通学院， 江苏 南京 2 1 0 0 1 8 摘 要 神经网络作为一种新的方法体系 ， 具有分布并行处理 、 非线性 映射 、 自适 应学习和鲁棒 容错等特性 ， 在模式识 别 、 控制优化和智能信息处理等方面有着广泛的应用。利用 M a t L a b的神经网络工具箱， 建立了江苏矿山地质环境 质量的评估模型， 评估结果经过实际验证 ， 具有较高的可信度和实用性。 关键词 M a t L a b ； 神经网络 ； 矿山地质环境； 江苏 中图分类号 T D1 6 7； T P 3 8 9 1 文献标识码 A 文章编号 1 0 0 3 6 4 7 4 2 0 0 7 0 4 0 3 4 8 0 6 0 引 言 矿山地质环境是矿产资源开发过程中 ， 由于采 矿 、 选矿等矿业活动导致矿区及其邻近地区生态地 质环境的改变、 破坏及污染等环境问题。矿山地质 环境是一个复杂的系统 ， 矿山环境地质问题类型、 严 重程度、 表现形式等 ， 与开发 的矿产类型或种类 、 开 发方式、 开发强度 、 区域地质 、 区域 自然条件 、 及矿山 的规模性质、 经济技术、 管理水平等诸多因素密切相 关。而且 由于各 因素的影 响和作用不同、 相互 间存 在一定 的联 系、 描述 的方式不 同 定性 、 定 量 、 半定 量多种形式 、 信息的不完整性 ， 使得矿山地质环境 评价通常以定性描述和分析为主， 很难定量化 ， 评价 的结果有较大的随意性和不准确性。 目前 ， 用于矿山地质环境评价 的方法很多 ， 如加 权比较法、 地理信息系统 G I S 空间数据迭加分析 法 、 综合指数法 、 环境数学模型法 、 模糊综合评判法 、 层次分析法、 专家打分法、 环境承载力分析法、 信息 量法等都已经在实践中得到应用和验证。但是由于 我国在这方面工作开展 的较晚， 而且 由于我 国地域 辽阔 ， 各地区矿山地质环境问题 的差异性 ， 未能形成 一 套系统、 科学 、 可操作性强的矿山地质环境评价方 法和理论 。加之矿 山地质环境 的影响因素众多 ， 各 种因素对矿山地质环境影响的贡献较难确定 ， 很难 找到统一的数学模型 ， 正确反映各个影响因素与矿 山环境质量之间的复杂的非线性关系。笔者尝试利 用非线性 的人工神经网理论对江苏的矿 山地质环境 进行评估 ， 经过与其他方法验证 ， 取得的分区结果比 较符合实际情况， 具有较高的可信度。 1 评价思路 矿山地质环境的影响 由区域地质环境、 矿山地 质环境现状 、 矿产资源规划 、 矿山地质环境恢复四大 要素构成， 各因素又受众多次一级因子的影响， 是一 个多层次 、 多级别 、 包含多因素的复杂系统。结合江 苏省的矿产资源开发利用和矿 山地质环境现状 ， 建 立 了矿 山地质环境 的评价系统如 图 1所示 ， 评价指 标如表 1所示 ， 矿 山地质环境质量影 响划分为严重 区、 较严重区和一般区。 矿 山地质环境质 域地质条 l 矿山地质环境现状 地 形 地 貌 石 土 体 工 程 地 质 条 件 年 降 雨 量 ． ． ．L ． ． ． _ L _ ． ． ． ． L ． ． ． ．L ． ． ． L ． ． ． _ L _ ． ． ． ． L ． ． ． ． L 对 对 自 文 对 地 地 开 开 然 化 占 水 质 质 地 用 资 灾 灾 采 采 质 破 源 害 害 矿 方 观 遗 坏 的 易 危 种 式 的 产 土 破 发 害 破 的 地 朔 程 程 坏 破 度 度 坯 图 l 矿 山地质环境影响评价模型 矿 产 资 源 开 发 利 用 规 划 矿 产 生 态 恢 复 治 理 难 易 程 度 收稿 日期 2 0 0 6- 0 41 0； 编辑 蒋艳 作者简介 刘洪 1 9 7 3 一 ， 男， 安徽阜阳人， 工程师， 主要从事环 境地质研究工作． 维普资讯 第 4期 刘 洪等 基于 Ma t L a b的神经网络在江苏矿山地质环境评估中的应用 3 4 9 地形地貌 地貌类型主要为低山区， 地形 起伏大， 相对高差大 地质 襞 翼 矿 山 地质 环境 现状 地貌类型主要 为丘陵、 岗地， 地形起伏变化较大， 相对高差 较 大 地 貌 类型 主 要 为平 原 区， 地 形 起伏 平缓 ， 相对高差小 辚冒 浆 赫硬 块松 散 层 厚 状 碎 屑 岩 体 ，松 散 层 较 薄 “ 年降雨量／ ra m 1 0 0 0 9 0 01 0 0 0 开采矿种 金属 、 能源矿 山 开采方式 对 自然景观 的破坏 对文化、 地质遗迹 的破坏 用破坏土地 对水 资源的破坏 地质灾害易发程度 地质灾害危害程度 矿产资源开发利用规划 禁采区 非金属矿 山 不含砂石 粘土类矿 山 井下 、 露天开采 较严重 较严重 较严重 较严重 中易发 较严 重 限采 区 90 0 砂石 、 粘_十类矿山 露天开采 一 般 一 般 一 般 ⋯一 般 低易发 一 般 鼓励开采 区 矿 煅治 理 难 易 难 费 器 臻 鬟 孬釜 阿 程 度 大 量 经 费 ，治理周期长 嚣 进行生态环境恢复治理 依据矿产资源的分布特征、 自然环境、 地质环境 条件为背景 ， 综合 考虑开采矿 山分 布特征 、 采掘形 式、 矿山密集程度 、 矿山规模和产生的矿山生态地质 环境问题的发育现状 ， 将江 苏省矿 L L 1 分布相对集 中 地区划分为 9 2个不同的矿区作为评价单元 。 2 神经网络基本原理 人 神经网络 ， 作为对人脑最简单 的一种抽象 和模拟 ， 是探索人类智能奥秘 的有力工具 。神经网 络作为一种新的方法体系 ， 具有分布并行处理 、 非线 性映射 、 自适应学习和鲁棒容错等特性 ， 这使得它在 模式识别、 控制优化、 智能信息处理以及故障诊断等 方面都有广泛的应用。 神经 网络的基本单元称为神经元 ， 它是对生物 神经元的简化与模拟。神经元的特性在某 中程度上 决定了神经网络的总体特性， 大量简单的神经元的 相互连接就构成 了神经网络 图 2 。 输 入 向 量 输人层 隐层 输出层 图 2 神经 网络的一般结构模型 期 望 输 出 向 量 人工神经 网络 的工作是集体进行的， 各神经元 之间的关系开始是不确定 的， 只是在经过训练后才 稳定下来 ， 因此 网络 的学习是一个 自组织的过程。 这是与确定性模型不 同之处。确定性模型中变量间 的关系和映射函数一般都是确定 的， 它们问有 明确 采 开 重 重 重 重 重 一 一 维普资讯 3 5 0 江苏地质 2 0 0 7定 的关系。由于神经 网络是对非线性 问题 的近似模 拟， 作为一个灰色系统， 它不可必免的会有误差， 一 般这种误差 的存在不会影响模型的实用。它的输 出 只是一种近似结果 ， 这种特点决定 了它分类 的特长。 显然 ， 在矿山地质环境质量评价中， 它明显优于其他 分析方法。 神经网络 的类型多种多样 ， 从功能特性 和学习 特性来分 ， 典型的神经网络模型主要包括感知器 、 线 性神经网络 、 B P神经网络 、 径向基函数网络 、 自组织 映射网络和反馈神经网络等。从网络的拓扑结构角 度来看 ， 可分为前向网络 、 从输 出到输入有反馈 的前 向网络 、 层内互连前向网络和互连 网络 四种基本形 式。一般来说 ， 当神经元的模型确定之后 ， 一个神经 网络的特性及其功能主要决定于网络的拓扑结构及 学习方法。 采用 B P神经网络对江苏省的矿L 【 J 地质环境质 量进行评价。B P神经网络是指基于误差反向传播 算法 的多层 前 向神 经 网络 ， 由 D ． E ． R u me l h a r t和 J ． L ． Mc C e l l a n d及其研究小组在 1 9 8 6年研究并设计 出来 ， 与感知器和线性神经 网络不 同的是 ， B P神经 网络的神经 元采用 的传 递 函数是 S i g m o i d可微 函 数 ， 可以实现输入和输出问的任意非线性映射， 使得 它在模式识别等领域有着广泛的应用， 成为 目 前应 用最广泛 的神经网络模型。 3 评价步骤 Ma t L a b是美国 Ma t h w o r k s公 司 1 9 8 2年推 出的 数学软件 ， 经过二 几年的发展 ， Ma t L a b已经发展 成为多学科多种工作平台的功能强劲的大型软件， 除了具有卓越的数值计算和数据可视化能力， M a t ． L a b针对各种学科推 出了功能各异的工具箱 ， M a t ． L a b神经网络工具箱 4 ． 0版本是 Ma t h w o r k s公 司推 出的 Ma t L a b 6 ． X的组成部分 ， 它主要针对神经网络 的分析和设计， 提供了大量可供直接调用的工具箱 函数、 图形用户界面和仿真工具， 是进行神经网络系 统分析与设计的绝佳工具 。 3 ． 1 网络模型的建立和参数的选择 理论上已证 明 3层 以上的人工神经网络能准 确完成任意非正交集合的分类 ， 选择的网络模型是 4层结构 ； 输入 、 输出和两个 中间隐含层 ； 上述 矿山 地质环境影响因素的 1 3 个指标作为网络输入层的 1 3 个神经元 ， 该输出层含3个神经元， 分别用 0 ． 9 、 0 ． 5 、 0 ． 1 代表严重区、 较严重区、 一般区， 作为网络 的期望输出， 神经网络的第一隐含层含 1 0个神经 元， 第二隐含层含 5 个神经元 图3 。由程序给出 随机变量作为网络的初始权值和阀值。 首先利用 n e w ff函数生成 B P神经网络 n e t n e w ff [ 0 ， 1 ； 0 ， 1 ； 0 ， 1 ； 0 ， 1 ； 0， 1 ； 0 ， 1 ； 0 ， 1 ； 0 ， 1 ； 0 ， 1 ； 0 ， 1 ； 0， 1 ； 0 ， 1 ； 0 ， 1 ] ，[ 1 3 ， 1 0， 5 ， 3 ] ， { ‘ t a n - s i g ’ ，‘ t a n s i g ’ ，‘ t a n s i g ’ ， ‘ p u r e l i n ’ } ， ‘ t r a i n l m’ ； 1 3维输入变量和 3维输出变量的取值范围都 是 [ 0 ， 1 ] ， 输入层 、 中问层和输 出层 的神经元 的个数 分别为 1 3 、 1 0、 5和 3 ， 各层神 经元 的传递 函数分别 取 t a n s i g函数 和 p u r e l i n函数 ， 网络训 练 函数 选取 t r a i n l m函数 。L w { 1 ， 1 }、 L w { 2 ， 1 }、 L W { 3， 1 } 、 L W{ 4 ， 1 } 和 B{ 1 }、 B{ 2 }、 B{ 3} 、 B{ 4 } 分别表示各 层 的权值矩阵和阀值矩阵。 输入 传 t 递 an 函 s i g数 传 传 传 露 输 出 图 3 B P神经 网络模型 3 ． 2网络模型的学 习 n -i．J l l 练 在训练之前对网络的训练参数进行适当设置 训练步数 n e t ． t r a i n P a r a m ． e p o c h s 1 0 0 0 显示训练结果 的间隔步数 n e t ． t r a i n P a r a m ． s h o w 5 0； 训练 目标误差 n e t ． t r a i n P a r a m ． g o a l l e ． 1 4 训练允许时间 n e t ． t r a i n P a r a m ． t i me I n f 训练 中最小 允许 梯 度值 n e t ． t r a i n P a r a m ． m i n 一 m 维普资讯 第4期 刘洪等 基于 Ma t L a b的神经网络在江苏矿山地质环境评估中的应用 3 5 1 g r a dl e ’ 1 5。 当训练步数大于 1 0 0、 训练误差 小于 0、 训练时 间超过 I n f 、 或误差梯度小于 l e ． 1 5时 ， 训练都将 自动 终止， 并返回训练后的神经网络对象。 从所研究的 9 2个评价单元 中， 选 出 2 0个单元 作为神经网络的学习教材 ， 给出希望的输出值， 然后 调用 t r a i n函数对 生成 的网络进行训练 [ n e t ，t r] t r a i n n e t ， P ， t ， P为输入样 本矢量集 ， t 为输出样 本矢量集 ， t r 用于存储训练过程 中的步数信息 和误 差信息。训练结果如下 。 TRAI NL M ，Ep o c h 0 ／1 0 0 0，MS E 0 ． 8 93 48 9 ／1 e 一01 4，Gr a d i e n t 65 ． 7 7 ／1 e一01 5 TRAI NL M ，Ep o c h 5 0 ／1 O 0 0， MS E 1 ． 02 7 7 e 一 01 3 ／1 e一01 4，Gr a d i e n t 1 ．1 8 1 9 4e一00 5 ／1 e一01 5 TRAI NL M ，Ep o c h 1 0 0／1 0 0 0，MS E 3． 3 73 7 4e一 01 4／1 e一01 4．Gr a d i e n t 2． 48 0 22 e一0 0 6／1 eO1 5 TRAI NLM ．Ep o c h 1 5 0／1 0 0 0．MS E 2． 08 5 6 4 e一 01 4 ／1 e一01 4．Gr a d i e n t 1 ． 03 2 6 4e一0 0 6 ／1 eO1 5 TRAI NLM ，Ep o c h 2 00 ／1 0 0 0．MS E 1 ． 5 09 8 9e一 01 4 ／1 e一01 4．Gr a di e n t 5． 5 6 9 3 2 e一0 0 7 ／1 e一01 5 TRAI NLM ，Epo c h 25 0／1 0 0 0，MS E 1 ． 1 8 0 1 3 e一 01 4 ／1 e一01 4．Gr a d i e n t 3． 4 49 9e一0 0 7 ／1 e一01 5 TRAI NLM ，Ep o c h 2 91 ／1 0 0 0，MS E 9． 98 9 2 3 e O1 5 ／1 e一01 4．Gr a d i e n t 2． 4 8 8 8 e一0 0 7／1 eO1 5 TRAI NLM ，P e r f o r ma n c e g o a l me t ． 可见 ， 当网络训练到第 2 9 1步时， 收敛于一定的 稳定值 ，网络性能达标 ， 实际输 出值和期望输 出值 的差值小于0 ． 0 9 7 4 表 2 ， 完全满足模式判别的需 要 ， 说明学习好 的网络可以用于未知样本的预测 ， 这 样就确定 了矿山地质环境质量评价的完整模型。网 络误差变化曲线见图 4 。 表 2 2 0个评价单 元的学习结果 维普资讯 3 5 2 江苏地质 2 0 0 7年 0 5 0 l 0 O l 5 0 2 0 0 2 5 0 2 91 Ep o c h s 图 4网络误差变化 曲线 4 评价结果 利用 s im函数可以对训练后的网络进行仿真 y s i m n e t ， P ， P为未知样本 。 连同已学习过的 2 0个单元⋯起将 9 2个评价 单 元作为“ 未知样本” 输入训练好 的网络 ， 让确定的网 络模型对这些样本进行识别评判 ， 评判结果见图 5 。 0 6 0 l 2 0 k m I ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ． ．． ． ． ． ． ． ．【 ． ． ． ． ． ． ． ． ． ． ． ． ． ．． ． ． _ 一 _ l囡2口3 图 5 江苏省矿 山地质环境质量评估分 区图 l 一 严重区； 2 一 较严重Ⅸ ； 3 一 般区 评判结果表明， 徐州的煤矿区和建筑石料矿区 、 连 云港的磷矿区和建筑石料矿区、 宁镇的有色金属 、 铁矿、 建筑石料矿区、 苏州的高岭土矿、 建筑石料矿 区、 溧阳东北部、 宜兴南部的建筑石料矿区为矿山地 质环境影响严重区， 主要 的矿 山环境地质 问题是采 矿 占用破坏土地 、 采矿引发的地面塌陷、 滑坡 、 崩塌、 矿坑突水 、 泥石流等地质灾害 、 对 自然景观、 文化地 质遗迹 、 矿产资源和水 土资源 的影响、 破坏和污染； 砖瓦粘土矿分布的广大平原 区为一般 区， 主要 的矿 山环境地质问题是采矿 占用破坏土地 ， 取土深度大 的容易引发滑坡 、 崩塌 ； 剩余分散 的露天开采 的非金 属、 建筑石料矿区为影响较严重区， 主要的矿 山环境 地质问题是采矿 占用破坏土地 ， 采矿引发的滑坡、 崩 塌等地质灾害、 对 自然景观 的影响和破坏。评判结 果基本反映了江苏省的矿山地质环境质量的现状。 5 结语 通过采用 B P人工神经网络模型对江苏矿山地 质环境质量进行了综合评价， 该模型收敛性能好、 方 法简单、 速度快、 计算效率高， 能很好地掌握矿山地 质环境影响因素的非线性关系， 但在一些定性评价 指标 的选择和量化方面需要进一步的探讨 ， 以提高 模型的判别精度。 参考文献 [ 1 ] 许东 ， 吴铮．基于 Ma t L a b 6 ． X的系统分 析与设计 神经网络 第 2版 [ M] 西安 西安电子科技大学出 版社 ， 2 0 0 2 ． [ 2 ] 周继成．人工神经网络第六代计算机的实现 [ M] ．北京 科学普及出版社， 1 9 9 3 ． [ 3 ] 包惠明， 胡长顺． 岩溶地面塌陷神经网络预测[ J ] ． 工 程地质学报 ， 2 0 0 2 ， 1 0 3 2 9 9 3 0 4 ． [ 4 ] 武健强， 余勤．神经网络技术在地面沉降区划中的应 用研究[ J ] ． 江苏地质， 2 0 0 3 3 1 7 11 7 4 ． [ 5 ] 彭建兵． 区域稳定性的神经网络分区评价[ J ] ． 工程地 质学报 ， 2 0 0 2 ， 1 0 2 1 1 81 2 3 ． [ 6 ] 朱庆杰， 马亚杰 ， 陈艳华．基于神经网络的区域地壳稳 定性评价 [ J ] ．岩土工程学报 ， 2 0 0 5 ， 2 7 9 1 1 0 5 1 1 0 9． [ 7 ] 张洪波， 肖桂珍． 矿山地质环境影 响评估及方法研究 [ J ] ． 两北地质 ， 2 0 0 3 ， 3 6 增刊 1 3 0 1 3 3 ． [ 8 ] 徐友宁， 何芳， 陈杜斌 ， 等．矿山环境地质 问题特点及 类型划分[ J ] ．西北地质， 2 0 0 3 ， 3 6 增刊 1 9 2 5 ． 维普资讯 第 4期 刘洪等 基于 M a t L a b的神经网络在江苏矿山地质环境评估中的应用 3 5 3 Ap p l i c a t i o n o f a r t i fic i a l n e u r a l n e t wo r k i n e v a l u a t i n g mi n e g e o l o g i c a l e n v i r o n me n t i n J i a n g s u b a s e d o n Ma t L a b LI U Ho n g ，ZHANG Ho n g - b i n I ． G e o l o g i c a l S u r v e y o f J i a n g s u P mv i n c e ， N a n j i n g 2 1 0 0 1 8 ，C h i n a ； 2 ． T r a n s p o r t a t i o n C o l l e g e ， S o u t h e a s t U n i v e r s i t y ， N a n j i n g 2 1 0 0 1 8 ， C h i n a Abs t r a c t As a n e w me t h o d s y s t e m，a r t i fi c i a l n e u r a l n e t wo r k i s e h a r a c t e r i s t i c o f p a r a l l e l p r o c e s s i n g，n o n l i n e a r ma p p i n g ，s e l f a d a p t i v e l e a r n i n g a n d Ro b u s t f a u l t t o l e r a n c e ，i t h a s a wi d e a p p l i c a t i o n i n n l o d e r e c o g n i t i o n，c o n t r o l o p t i mi z a t i o n a n d i n t e l l i g e n t i n f o r ma t i o n p r o c e s s i n g ． Ba s e d o n t he n e u r a l n e t wo r k t o o l b o x o f Ma t L a b，t h e a u t h o r s d e s i g n e d a v a l u a t i o n mo de l o f n l i ne g e o l o gi c a l e n v i r o nme n t o f J i a n g s u P r o v i n c e，t h e v a l u a t i o n r e s u l t s we r e t e s t i f i e d t o b e r e l i a b l e a n d p r a c t i c a 1 ． Ke y wo r ds Ma t L a b；Art i fic i a l n e u r a l n e t w o r k， Mi n e g e o l o g i c a l e n v i r o n me n t ； J i a n g s u 。 _ l - - _ ‘ ‘ _ l _ 。 。 ‘⋯ _ l J。 。 - - ’ 。 ‘ _ l 1 。 ” 。 ’ l ⋯ _ _ } ⋯⋯ ’ ” _ _ ” l ⋯ 院士风采之七郭令智院士 著名构造地质学家 ， 湖北安陆人。1 9 3 8年毕业于中央大学地质系。毕业 后先后在中央大学地质 系、 云 南大学矿冶系以及中国地理研究所任助教 、 助理研究员 。1 9 4 6年 ～1 9 4 9年为台湾大学地质系副教授和台湾 省海洋研究所副研究员。1 9 4 9年在英国伦敦大学皇家学 院从事科学研究。1 9 5 1年 回国在南京大学地质系 任教授至今， 1 9 8 1年任博士生导师 。曾任南京大学学术 委员会委员 、 副校长 、 代校长和顾问， 中国地质学会 副理事长， 联合 国教科文组织国际地质对比计划 I G C P 2 2 4项构造组召集人和 2 6 7项领导人之一 ， 教育部地 学学科评议组组长和地学规划组组长以及国务院学位委员会第二届学科评议组成员。1 9 9 3年 1 1月当选为 中国科学院地学部院士。 5 0多年来 ， 他长期从事华南大地构造和中国板块构造 、 碰撞构造和地体构造研究 ， 在国内外共发表论文 和专著 1 2 8篇 部 包括合著 。1 9 7 8年获全 国科学大会奖 ， 1 9 8 2年获 国家 自然科学奖二等奖 ， 1 9 8 7年获国 家 自然科学奖三等奖 ， 1 9 8 4年获江苏省科技进步奖一等奖， 1 9 8 5年和 1 9 9 2年获 国家教委科技进步奖二等奖 2项。1 9 9 0年他获得 国家教委和国家科委授予的全 国高校先进科技工作者称号 。1 9 9 9年获何梁何利地球 科学奖和李四光荣誉奖。 晓 生 维普资讯