用神经网络系统原理选择采矿方法.pdf

第 1 4卷 第 1 9 9 4 年6 月 矿 业 研 究 与 开 发 MI NI NG R＆D V0 l _ 1 4No． 2 J u n e 1 9 9 4 ／ r ，7 用神经 网络 系统原理选择 采矿 方法 整 长 沙 矿 山 研 究 院 弋9 ￡。l 摘要根据矿山具体 条件 ，料学地、告理地选择采矿方法 ，是获得较好 经济效益 々 关键 。用传 统的手段 选择采矿方法存 在一定的 主观 随意性 ，而 用本文所述神 经网络 系统对所选 采矿 方法进行技术 经济分析 ，然后判断该 采矿方法的合理性 ，A , L 调 墨 芏 坪择 而 可 找 到 符 合 矿 山 实 情 的 采 矿 方 击 。 煎 丝 璺 竺 。 查 丝 茎 坌 塑 般说来 ．采矿方 法的选择 分三步进 行 ，即采矿方法初 选 ，技术经济分析 和综 合分析 比 较。在大多数情况下，经过技术经济分析 ，就可以得出最优方案 ，然而技术经济分析是一个 难度大且非常复杂的工作。用传统的经验类比法、模糊理论法以及专家系统技术进行技术经 济分析，仍然离不开人的主观经验， 且不能很好地解决这个难题。 为了消除人为因索的影响， 一这里运甩人工神经网络方法建立起来的模型 ，并对其进行分析 ，即可直接获取所选采矿方法 的技术 经济指标t 一 1 神经 网络系统 的基本原理[ 】 ] 神经网络系统是 8 O 年代后期迅速发展起来的人工智能系统的一个分支。 它试图以模拟人 脑神经系统的组织方式来构成新型的信息处理系统，它是通过大量并行的神经元 处理单 元广泛相互联结而组成的网络系统 其存贮与处理能力由网络的结构、联结权值及单个神 经元 的处理量而决定 。 目前 ，在研 究和应用中被采用的至少有 多种 神经网络模 型 ，这些模型主要有两大类 一 类是以 H o p fi e l d网络模型为代表的反馈型，它具有非线性和动态性 ，另一类是以多层感知器 P e r c e p r o n 为基础 的前馈 型模型 ，它是线性和 静态 的罔络 。其中 B P B a c k --P r o p a g a t i o n 网络模型为典型的前馈模型 。 ． 神经网络模型由输八层、输 出层和隐含层三层神经元组成 ，输八层接受信息、输出层输 出信息 ，它是通过激发一个 S ig mo i d函数来输出结果 ，该数可表示为 Q 一 ， Ne t b 1 l ／ [ 1 e x p 一 Ne t ， 一 h A3 Ne t ． zw o J J 式中， 口 为输出， o 为输入， 表示 1 层中 神经元与第 层中第J神经元的连接权． 各层单元间的连接权值是网络通过反向传播 B a c k --P r o p a g a t i o n 算法进行 自动学习的，同 络的自学过程可解释为 利用已有的实倒 学习样本 ， 计算机按照一定的算法去预测同类性 质的问题。具体说来就是 ，如果已知若干组输入数据，其输 出结果 已知 ，剥用同络的自觉功 能调整各单元之间的权值 以及 Ⅳ ， 直至网络的实际输出与期望输 出之间的误差达到要 ■ ”； ． ． 0 ．．0 维普资讯 第 z 期 曹庆林用神经网络系统原理选择采矿方法 从宏观上看 ， B P网络模型与控制系统模型在数学本质上都是一种映射 ， 将输入空间映射 为输出空同 ，这是一个高度非线性 的映射 ，如果有 个输入单元 ，有 个输出单元，则网络 是 F l R 一 R 。 y F z 根据 K o l mo g o r o v的神经阿络映射定理 ， 只要采用有隐单元的网络 ， 这种映射就会呈现出来 - 2 神经 网络方法在采矿方法选择 中的应用 承 上所述 ，采 矿方法选 择的核 心问题是技术经济分 析 ，而技术经 济指 标的确定叉非 常复 杂而难以把握 。神经网络系统可以模拟部分形象思维 ，表达部分隐式知识 。所以，运用神经 网络方法 ，建立直接获取技术经济指标的三层神经元B P网络模型 ，是一条可行的途径。 B P网络模型的输入层、 隐古层和输 出层分别由 6 个输入神经元、 1 O个隐单元和 5 个输出 神经元组成。 在输入层和隐古层各设置一特殊单元用作阀值单元， 其值设为1 ． 模型结构如图 1 所示。 技术经济分析是在初选的几个方案基础上进行的， 对每一方案都建立一个 B P网络模 型 ，建模时，选择每一采矿方法的若干矿山作为学习样本 ，学习成功后 ，就可利用该模型推 测矿山各采矿方法的技术经济指标。 假设初选采矿方法有三种， 那么要建立的三个 B P模型为 B P I B P 3 一建模过程 如图 2所示 。 。 生 产 能 j ] 采 矿工 蔚 损 完阜 赛化 率 采 矿 成本 圉 1 技术经济分析的 B P神经网络模型结构 3 应用实例 东坪金矿 1号脉平均地质品位为 1 2 ． 7 3 g ／ t ， 矿体 平均厚度 1 ． 5 7 l“fl t ， 平均倾角 4 7 。 ， 矿岩硬度系数为 l 0 ． 通过模糊相似优先比法初选三种开采方案，即浅孔 囝 2 B P模型的毫横过程 留矿法 、分层留矿法和分段空场法。选取采用这三种方法 的四个矿山 ～ ． 作为对东坪 金矿技术经济指标推测的依据，各矿山对应的赋存条件及技术经济指标如表 1所示。 现以表 l 中的分层充填法为恻 ，首先将各矿山指标变换为 [ o ，1 ]之间的数 ，变换后的 数据如表 2 ．以表 2中输 入指标值及期 望输出为基础 ，训 练神经 网络模 型 BP 2 ，模 型的误差 E 设为 0 ． 0 1 ，将样本 A． ～A 作为模型 B P 2的考试样本集，并应用于东坪金矿的技术经济指标 推测 ，B P 2模型 的输 出亦列 于表 2 ． ●． _ h ． t l ， ． I ．1 维普资讯 矿业研究与开发 第 l 4卷 表 1 各矿山矿体赋存条件及技术经济指标 将表 2中数据还原得表 3 ． 仿 B P 2网络模型的建模过程，对浅孔留 矿法 与分段 空场法也 建 立了 B P网络模 型 B P 1 和 B P 3 ， 并分别在东坪金矿应用。可以看 出，B P网络模型的输出结果大部分落在或接 近于模糊关系方程推测的指标范围，可见 B P 网络模型有较好的准确性和可靠性 。 以 B P网 络模型确定的指标值为基础， 应用模糊数学方 法或灰色局势决策方法确定适用于东坪金矿 的最优 开采 方案是很容易的 。 表 3 分层充填法矿山技术经济 指标的 B P 2 模型输出 ． { I ／ f 』疆 夏_ 四． ．． _ ． 维普资讯 ． 第 2 期 曹庆用神经同络系统原理选择采矿方法 1 7 4 结 语 1 神经 网络方法在矿业工程中的应 甩是多方面的， 从矿山地质参数确定 ， 岩石性态预 测 ，采场地 压分析到采矿方案的优选等各方面均有广泛的应用前景 。 2 采矿方法选择的三个步骤中，技术经济分析是最主要的一个步骤 ，是采矿方法选择 的核心 内容。也是最复杂、难度最大的内容 。利甩神经网络方法能很好地解决这个问题 ，它 是采矿方法选择中进行技术经济分析的一种准确可靠的人工智能方法． 3 用神经j碍 络方法并结合模糊数学理论和灰色系统理论 ，可很好地解决采矿方法选择 中的方案韧选、优选和技术经济分析的问题 ，为采矿方法选择提供 了一套完整系统的分析方 法 。 参考文献 1 Ru me I h a r t D． E． e I丑 1 ．P a r a l l e l D i s t r i b u t e d P c e s s i n g E x p l i r a t i o n a ’ _m t h e M[ c r o s t r u c t u r 。 f C o n g n hi o n ． Vo 1 ． 1 F o a n d a t ion s，M I T PⅢ a ． Ca nbridg e，M A 1 98 6 ‘ 2 羽末等 ． 运用 系统的选择方莹确定求坪金矿采矿方法 ． 长抄矿山研究院季刊， v。 1 ． 1 2 s u p p ． 1 9 9 2 SELECTI NG M I NI NG M ETHOD ON NEURAL NET S YS TEM PRI NCI PLE C a o Qi n gJ i n Ch a n g s h a I n s t i t u t e o f M i n i n g Re s e a r c h ABS TRACT Ac c or d i n g t o t h e a c t u a l c o n d i t i o n s i n mi ne s ， s c i e n t i f i c a n d r a t i o n a l s e l e c t i n g mi n i n g me t h o d i s t he ke y t o g a i n r e ma k e b h e c o n o mi c a l p r of i t ． U s i n g t h e t r a nd i t o n a l s e l e c t i o n me t h o d， a c e r t a i n s u b j e c t i v e f r e edo m e x i s t s ， h u t u s i n g me u r a l me t s y s t e m d e s c r l- b e d i n t h e p pe r ， t h e t e c hn i c a l - ec o n o mi c a n a l y s y s c a n b e c o n d u c t e d f O r t h e mi n i n g me t ho d s e l e c t ed ， t h e n j u d g e me n t o n i t s i a t i o n a l i t y i s c a r r i e d o u t ． Th u s t h e mi n i n g me t h o d i s f o u n d南 b e s u i t a b l e f o r m i n e s c o n d i t i o n s ． KEY W ORDS S e l e c t i n g m i n i n g me t h o d， Ne ur a l n e t ， Te c h n i c a l e c o n o mi c a n a l y s i s 维普资讯