基于bp神經(jīng)網(wǎng)絡(luò)的爆破參數(shù)優(yōu)化研究

基于bp神經(jīng)網(wǎng)絡(luò)的爆破參數(shù)優(yōu)化研究

礦巖爆炸過程是礦山生產(chǎn)過程中最重要的環(huán)節(jié)之一。合理的爆炸參數(shù)是確保安全且高效開采的必要前提。研究表明炮孔排距、孔底距及一次炸藥單耗是礦巖最主要的爆破參數(shù);而礦巖的固有屬性,包括容重、彈性模量、抗拉強(qiáng)度、抗壓強(qiáng)度、摩擦角及粘結(jié)力是影響礦巖爆破參數(shù)的最主要因素。因此,必須尋求與主要因素相匹配的爆破參數(shù)才能達(dá)到理想的爆破效果。然而,各爆破參數(shù)間及各影響因素間關(guān)系繁雜,爆破參數(shù)與影響因素間也具有不確定性和不精確性,呈非線性映射關(guān)系,難以實(shí)現(xiàn)優(yōu)選。長期以來,國內(nèi)外礦山大都采用簡單工程類比法和現(xiàn)場爆破試驗(yàn)來選擇參數(shù),但前者往往考慮因素不全,容易受主觀因素左右,而后者要花費(fèi)大量的人力、財(cái)力、時(shí)間等,難以達(dá)到理想的效果。為了克服上述傳統(tǒng)方法的缺點(diǎn),研究運(yùn)用BP神經(jīng)網(wǎng)絡(luò)建立爆破參數(shù)與其主要影響因素參數(shù)間的非線性復(fù)雜關(guān)系模型,以國內(nèi)爆破工藝類似、應(yīng)用成功的礦山為學(xué)習(xí)、訓(xùn)練樣本,對目標(biāo)礦山的爆破參數(shù)進(jìn)行預(yù)測,優(yōu)選。BP神經(jīng)網(wǎng)絡(luò)具有通過學(xué)習(xí)逼近任意非線性、多層次映射的能力,應(yīng)用于非線性系統(tǒng)的預(yù)測中,可以不受非線性模型的限制。將BP神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于鑿巖爆破參數(shù)優(yōu)選中,可以較好地解決少數(shù)據(jù)、貧信息、不確定性問題。本研究以唐鋼礦業(yè)有限公司石人溝鐵礦上向扇形中深孔爆破參數(shù)優(yōu)選為例,優(yōu)選出的爆破參數(shù)適用于礦山的礦巖條件,應(yīng)用效果良好。1優(yōu)選模型bp神經(jīng)網(wǎng)絡(luò)1.1各神經(jīng)元自適應(yīng)網(wǎng)絡(luò)的方法回歸BP神經(jīng)網(wǎng)絡(luò)同時(shí)具有反饋和前饋機(jī)制,這就意味著在網(wǎng)絡(luò)的一個(gè)訓(xùn)練周期中,網(wǎng)絡(luò)的輸出同時(shí)反饋給網(wǎng)絡(luò)的輸入神經(jīng)元作為網(wǎng)絡(luò)的外部輸入。如圖1所示為一個(gè)典型的三層回歸BP網(wǎng)絡(luò)。在圖1中,輸入層有一個(gè)n維的輸入向量和一個(gè)閾值結(jié)點(diǎn),該結(jié)點(diǎn)的值是固定的,這個(gè)值的存在保證了網(wǎng)絡(luò)的收斂特性。中間層有m個(gè)神經(jīng)元和一個(gè)閾值結(jié)點(diǎn)。相鄰兩層的所有神經(jīng)元采用全連接的方式相連。輸入層的神經(jīng)元輸入-輸出關(guān)系可以表示為:ΙiF=ΟiΙ=X(i=1,2,?,n)(1)ΟiF=f(ΙiF)=f(Xi)(2)IiF=OiI=X(i=1,2,?,n)(1)OiF=f(IiF)=f(Xi)(2)其中,F表示輸入層,輸入神經(jīng)元和隱含神經(jīng)元之間實(shí)現(xiàn)加權(quán)連接。即如果信號從第i個(gè)神經(jīng)元傳遞到第j個(gè)神經(jīng)元,則信號需要乘上兩個(gè)神經(jīng)元之間的連接權(quán)值wij。令Oj表示第i個(gè)神經(jīng)元的輸出,第j個(gè)神經(jīng)元的輸入則為OjWij。對第j個(gè)神經(jīng)元的輸入進(jìn)行求和,可得:Ιjh=n1∑i=1ΟiFWijF+θjΗ(j=1,2,?,m)(3)Ijh=∑i=1n1OiFWijF+θjH(j=1,2,?,m)(3)式中θj為閾值項(xiàng),H表示中間層。該法操作是通過中間層的處理器實(shí)現(xiàn)的,實(shí)現(xiàn)加法的過程就是激發(fā)神經(jīng)元的過程。由于神經(jīng)元的權(quán)值和輸入可以取正值,也可以取負(fù)值,因此對神經(jīng)元的激發(fā)有可能產(chǎn)生正值、負(fù)值和零值的任意數(shù)據(jù)。中間層的激發(fā)函數(shù)為:ΟjΗ=f(ΙjΗ)=f(n1∑i=1ΟiFWijF+θjΗ)(j=1,2,?,m)(4)OjH=f(IjH)=f(∑i=1n1OiFWijF+θjH)(j=1,2,?,m)(4)對于輸出層Y,它的第k個(gè)神經(jīng)元接收了中間層的第j個(gè)神經(jīng)元的輸出信號,經(jīng)過加權(quán)后,作為自己的輸入信號,可以得到類似的結(jié)論。ΙkY=m1∑j=1ΟjΗWjkΗ+θkY(k=1,2,?,g)(5)ΟkY=f(ΙkY)=f(m1∑j=1ΟjΗWjkΗ+θkY)(k=1,2,?,g)(6)IkY=∑j=1m1OjHWjkH+θkY(k=1,2,?,g)(5)OkY=f(IkY)=f(∑j=1m1OjHWjkH+θkY)(k=1,2,?,g)(6)回歸BP網(wǎng)絡(luò)的傳遞函數(shù)見式(7)。這是一種非常典型的函數(shù),具有很多優(yōu)點(diǎn)。它是連續(xù)可導(dǎo)的,輸出也是連續(xù)的并且位于區(qū)間中,β為函數(shù)的斜率。本研究即根據(jù)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),以MATLAB為工具,自行編制程序,應(yīng)用起來極其方便。ΟkY=f(net)=11+exp(-β*net)(β>0)(7)OkY=f(net)=11+exp(?β*net)(β>0)(7)1.2基于kolmolov定理的網(wǎng)絡(luò)隱含層神經(jīng)元自適應(yīng)識別建立的BP神經(jīng)網(wǎng)絡(luò)以礦巖的容重、彈性模量、抗拉強(qiáng)度、抗壓強(qiáng)度(用礦巖堅(jiān)固性系數(shù)表示)、摩擦角及粘結(jié)力為輸入因子,以炮孔排距、孔底距及一次炸藥單耗為輸出因子,并設(shè)置中間隱含層,構(gòu)成典型的三層網(wǎng)絡(luò)結(jié)構(gòu)。訓(xùn)練樣本集的規(guī)模極其重要,樣本集太少學(xué)習(xí)意義不大,樣本集太多影響訓(xùn)練速度,甚至導(dǎo)致不能收斂到預(yù)定精度,一般在6～25之間為宜。參照國內(nèi)上向扇形中深孔的情況,針對石人溝的生產(chǎn)條件,選取了7個(gè)應(yīng)用效果良好的礦山作為訓(xùn)練樣本,如表1所示。本研究的輸入因子6個(gè),輸出因子3個(gè),則由Kolmogorov定理可得隱含層神經(jīng)元個(gè)數(shù)應(yīng)該在13左右,建立模型時(shí),選用隱含層神經(jīng)元個(gè)數(shù)3個(gè)值,即10、13、15,進(jìn)行神經(jīng)網(wǎng)絡(luò)收斂速度、預(yù)測誤差比較,選出適合的隱含層神經(jīng)元數(shù),再進(jìn)行預(yù)測。由于各個(gè)指標(biāo)互不相同,原始樣本中各向量的數(shù)量級差別很大,為了計(jì)算方便以及防止部分神經(jīng)元達(dá)到過飽和狀態(tài),應(yīng)對學(xué)習(xí)及預(yù)測樣本進(jìn)行歸一化處理,公式為:x′=x-min(x)max(x)-min(x)(8)x′=x?min(x)max(x)?min(x)(8)歸一化后的數(shù)據(jù)都處于區(qū)間內(nèi),則網(wǎng)絡(luò)隱含層的神經(jīng)元傳遞函數(shù)采用S型正切函數(shù)tansig,輸出層神經(jīng)元傳遞函數(shù)采用S型對數(shù)函數(shù)logsig。預(yù)測后輸出的是歸一化后的結(jié)果,為了使其更加直觀,應(yīng)進(jìn)行反歸一化,公式為:x=x′[max(x)-min(x)]+min(x)(9)礦巖爆破參數(shù)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測、優(yōu)選模型算法流程如圖2。2選擇和結(jié)果爆炸參數(shù)2.1隱蔽層神經(jīng)元數(shù)取對3種隱含層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí),得到的網(wǎng)絡(luò)性能曲線見圖3～圖5。由圖可見,隱含層神經(jīng)元個(gè)數(shù)為10、13和15時(shí),分別經(jīng)11、9和10步運(yùn)算即達(dá)到精度要求,中間網(wǎng)絡(luò)的收斂速度略快于其它兩者;而三者的最大預(yù)測誤差分別為0.021、0.031、0.014,后者遠(yuǎn)低于前兩者。綜合考慮,隱含層神經(jīng)元數(shù)取15,網(wǎng)絡(luò)收斂速度較快,預(yù)測誤差較小,除第7次外誤差均極小。以第三種BP神經(jīng)網(wǎng)絡(luò)模型對石人溝鐵礦的爆破參數(shù)進(jìn)行預(yù)測,輸入?yún)?shù)為3.40,4.80,2.26,11,38,2.4,對得出的結(jié)果數(shù)據(jù)進(jìn)行反歸一化得1.6849,1.8253,0.45,即石人溝鐵礦上向扇形中深孔爆破參數(shù)的BP神經(jīng)網(wǎng)絡(luò)優(yōu)選參數(shù)為炮孔排距W=1.6849m,孔底距a=1.8253m,yq1=0.45kg/t。2.2炮孔直徑及用量預(yù)測1)由于BP神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)能力,因此所取樣本礦山的爆破效果的好壞對預(yù)測結(jié)果的適用性、合理性及最優(yōu)性有很大的影響,且樣本數(shù)據(jù)庫的大小也影響著預(yù)測的準(zhǔn)確性。2)搜集的樣本數(shù)據(jù)的輸入因子值與輸出因子值可能取自不同的文獻(xiàn),礦石容重、彈性模量、抗拉強(qiáng)度、抗壓強(qiáng)度(堅(jiān)固性系數(shù))、摩擦角及粘結(jié)力取自礦山的某一區(qū)段,而爆破炮孔排距、孔底距及一次炸藥單耗可能取自同礦山的其它區(qū)段,而實(shí)際上不同的區(qū)段的各種參數(shù)值可能有所變化,從而對預(yù)測結(jié)果造成影響。3)石人溝鐵礦擬采用YGZ-90型鉆機(jī)鉆鑿Ф55mm炮孔,而訓(xùn)練樣本中的礦山大都使用Ф60mm以上炮孔,由于本研究中沒有對炮孔直徑進(jìn)行控制,因此應(yīng)對預(yù)測出的結(jié)果進(jìn)行適當(dāng)?shù)恼{(diào)整。4)針對石人溝鐵礦的礦巖情況,BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果為W=1.6849m、a=1.8253m、yq1=0.45kg/t,與經(jīng)驗(yàn)所得值極為接近,對石人溝鐵礦的采礦生產(chǎn)具有極大的指導(dǎo)意義。但考慮以上諸多因素,選取石人溝鐵礦的炮孔排距W=1.4～1.6m,孔底距a=1.6～2.0m,yq1=0.40kg/t,并在生產(chǎn)過程中根據(jù)實(shí)際效果作適當(dāng)?shù)恼{(diào)整。生產(chǎn)實(shí)踐證明,石人溝鐵礦的爆破參數(shù)合理,爆破礦石塊度大塊率低、成本低、工藝簡單。3優(yōu)化參數(shù)、強(qiáng)化乘子法1)提出了一種爆破參數(shù)優(yōu)選的全新思路,以礦巖的容重、彈性模量、抗拉強(qiáng)度、抗壓強(qiáng)度(堅(jiān)固性系數(shù))、摩擦角及粘結(jié)力為輸入因子,炮孔排距、孔底距及一次炸藥單耗為輸出因子,以國內(nèi)爆破工藝類似、效果良好的礦山為樣本,建立BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測。2)BP神經(jīng)網(wǎng)絡(luò)作為一種輸入-輸出的高度非線性映射,通過對作用函數(shù)的多次復(fù)合,實(shí)現(xiàn)了礦巖爆破參數(shù)預(yù)測中輸入與輸出之間的高度非線性映射。預(yù)測、優(yōu)選過程不需要建立數(shù)學(xué)方程,具有自適應(yīng)性、學(xué)習(xí)能力以及容錯(cuò)性和魯棒性,可避免傳統(tǒng)的礦巖爆破參數(shù)選擇法的種種弊端,具有廣泛的應(yīng)用前景。3)隱含層是BP神經(jīng)網(wǎng)絡(luò)的重要結(jié)構(gòu)之一,隱單元數(shù)目太多會導(dǎo)致學(xué)習(xí)時(shí)間過長、誤差不一定最佳,也會導(dǎo)致容錯(cuò)性差、不能識別以前沒有看到的樣本。合理的隱含層神經(jīng)元個(gè)數(shù)是保證BP網(wǎng)絡(luò)高速度、高精度預(yù)測、優(yōu)化的必備條件。建立多種隱含層結(jié)構(gòu)(隱單元數(shù)目),并進(jìn)行網(wǎng)絡(luò)性能