基于灰色神經(jīng)網(wǎng)絡(luò)的邊坡形變預(yù)測研究

曹望成++劉志宇++馬寶英

【摘 要】利用智能方法對邊坡形變進(jìn)行預(yù)測，進(jìn)而對礦區(qū)安全進(jìn)行評估近年來成為研究的熱點。針對邊坡形變數(shù)據(jù)小樣本、貧信息、高非線性等特點，本文將灰色理論與神經(jīng)網(wǎng)絡(luò)方法相結(jié)合構(gòu)建灰色神經(jīng)網(wǎng)絡(luò)，充分利用灰色模型處理小樣本和神經(jīng)網(wǎng)絡(luò)處理非線性的能力，對礦區(qū)邊坡形變進(jìn)行預(yù)測。實驗分析表明，利用灰色神經(jīng)網(wǎng)絡(luò)進(jìn)行形變預(yù)測是正確有效的，預(yù)測精度取得了較好的效果。

【關(guān)鍵詞】灰色模型；神經(jīng)網(wǎng)絡(luò)；形變預(yù)測

一、引言

長期以來，礦區(qū)安全一直是人們比較關(guān)注的問題。由于礦區(qū)在開采過程中會對巖層結(jié)構(gòu)造成一定的破壞，導(dǎo)致開采區(qū)域邊坡產(chǎn)生形變，因此近年來許多專家學(xué)者研究通過監(jiān)測邊坡的形變來對礦區(qū)的安全等級進(jìn)行預(yù)估?？v觀這些研究成果，大多集中在三種方法，即灰色理論、時間序列分析法以及人工神經(jīng)網(wǎng)絡(luò)方法。

二、灰色理論

灰色理論是一種研究少數(shù)據(jù)、貧信息、不確定性問題的新方法。該理論強調(diào)通過對無規(guī)律系統(tǒng)已知信息的研究，提煉和挖掘有價值的信息，進(jìn)而用已知信息去解釋未知信息，使系統(tǒng)不斷“白化”?；疑Ｐ秃喎QGM模型，該模型的構(gòu)建過程為：首先對原始數(shù)據(jù)進(jìn)行檢驗，包括非負(fù)性處理等。然后對原始數(shù)據(jù)序列做一次累加，使累加后的數(shù)據(jù)呈現(xiàn)一定的規(guī)律性，然后用典型曲線擬合該曲線。

三、BP神經(jīng)網(wǎng)絡(luò)

BP （Back Propagation）神經(jīng)網(wǎng)絡(luò)全稱是基于誤差反向傳播算法的人工神經(jīng)網(wǎng)絡(luò)，由信息的正向傳播和誤差的反向傳播兩個過程組成。輸入層各神經(jīng)元負(fù)責(zé)接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元；中間層是內(nèi)部信息處理層，負(fù)責(zé)信息變換，根據(jù)信息變化能力的需求，中間層可以設(shè)計為單隱層或者多隱層結(jié)構(gòu)；最后一個隱層傳遞到輸出層各神經(jīng)元的信息，經(jīng)進(jìn)一步處理后，完成一次學(xué)習(xí)的正向傳播處理過程，由輸出層向外界輸出信息處理結(jié)果。當(dāng)實際輸出與期望輸出不符時，進(jìn)入誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權(quán)值，向隱層、輸入層逐層反傳。一直進(jìn)行到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或者預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。

四、灰色神經(jīng)網(wǎng)絡(luò)

灰色理論善于處理小樣本、貧信息問題，而神經(jīng)網(wǎng)絡(luò)則對復(fù)雜非線性映射問題比較有優(yōu)勢，將這兩種方法結(jié)合構(gòu)建灰色神經(jīng)網(wǎng)絡(luò)，可以很好地對邊坡形變進(jìn)行預(yù)測，同時這兩種方法可以互相彌補各自的缺陷。

五、實驗分析

本實驗完成的是對某礦區(qū)邊坡形變的預(yù)測。共選取了3個監(jiān)測點，并且這3個監(jiān)測點分布在一條線上，這樣更有利于客觀的分析形變所導(dǎo)致的安全隱患。監(jiān)測數(shù)據(jù)是利用邊坡掃描雷達(dá)采集，該雷達(dá)上還集成有氣象傳感模塊。每一個監(jiān)測點都收集了7天內(nèi)不同時間點測得的共150組數(shù)據(jù)，包括三維坐標(biāo)數(shù)據(jù)和當(dāng)時的氣象數(shù)據(jù)。其中120組數(shù)據(jù)用于訓(xùn)練網(wǎng)絡(luò)，其余30組數(shù)據(jù)用于測試網(wǎng)絡(luò)。首先，能夠采集獲得的是包含三維的邊坡坐標(biāo)數(shù)據(jù)，為了使用和表示方便，本文按照 公式將其轉(zhuǎn)化為實際的位置數(shù)據(jù)，并將其與基準(zhǔn)位置做差，作為當(dāng)前時刻的形變數(shù)據(jù)，用于訓(xùn)練和測試網(wǎng)絡(luò)。其次，多種自然因素以及形變數(shù)據(jù)的量綱有很大區(qū)別，為了更有效的訓(xùn)練網(wǎng)絡(luò)，本文對輸入數(shù)據(jù)進(jìn)行了歸一化處理。將所有訓(xùn)練數(shù)據(jù)處理完成以后，輸入網(wǎng)絡(luò)進(jìn)行訓(xùn)練，網(wǎng)絡(luò)進(jìn)化次數(shù)設(shè)定為100，訓(xùn)練結(jié)果如圖1所示。

從圖1可以明顯看出網(wǎng)絡(luò)的訓(xùn)練效果很好，很短的時間內(nèi)就進(jìn)化達(dá)到誤差的要求。下面將3個監(jiān)測點的測試數(shù)據(jù)輸入網(wǎng)絡(luò)進(jìn)行預(yù)測，同時與單獨使用灰色模型和BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果相比較，分別如圖2，3，4所示。

從各監(jiān)測點的預(yù)測結(jié)果圖可以明顯看出，灰色神經(jīng)網(wǎng)絡(luò)具有最高的預(yù)測精度，平均誤差為0.023，最大誤差為0.031。而單獨采用灰色模型或BP神經(jīng)網(wǎng)絡(luò)方法進(jìn)行預(yù)測的精度要明顯低于灰色神經(jīng)網(wǎng)絡(luò)方法，平均誤差分別為0.092和0.13，最大誤差分別達(dá)到了0.15和0.18。另一方面，灰色神經(jīng)網(wǎng)絡(luò)的用時要明顯少于BP神經(jīng)網(wǎng)絡(luò)，略高于灰色模型方法，但是對于實際工程應(yīng)用來說，是完全符合要求的。

本文的另一個創(chuàng)新點是不僅使用形變的歷史數(shù)據(jù)進(jìn)行建模，同時考慮影響形變的氣象因素，為了考察這種方式的優(yōu)越性，本文還與單獨使用形變數(shù)據(jù)建立的模型進(jìn)行預(yù)測對比，結(jié)果如圖5所示。

圖5的預(yù)測比較結(jié)果充分說明，同時使用形變和氣象數(shù)據(jù)建立的模型的預(yù)測精度要明顯高于單獨使用形變數(shù)據(jù)建立的模型。更為重要的一點是，在預(yù)測第6個數(shù)據(jù)點時，由于降雨量和風(fēng)速的影響，邊坡的實際形變量突增，本文的方法因為充分考慮了氣象因素，所以預(yù)測結(jié)果與實際結(jié)果非常接近，而單獨使用形變數(shù)據(jù)建立的模型的預(yù)測結(jié)果與實測結(jié)果相差較大，可見氣象因素對于形變的影響很大，尤其當(dāng)在短時期內(nèi)出現(xiàn)突然的氣象變化時，僅依靠形變的歷史數(shù)據(jù)無法給出正確的預(yù)測結(jié)果。

六、結(jié)束語

通過對某礦區(qū)邊坡實測形變數(shù)據(jù)的實驗分析，本文建立的灰色神經(jīng)網(wǎng)絡(luò)具有較高的預(yù)測精度和較低的工作用時。對比實驗表明，這種方式建立的預(yù)測模型的適應(yīng)能力更強，對于氣象因素對于邊坡形變的影響反應(yīng)更為及時。

【參考文獻(xiàn)】

[1]張偉航，甘德清，陳超，羅詩佳.邊坡變形監(jiān)測研究與進(jìn)展[J].礦山測量，2010（01）.

[2]王焱，孫雁鳴，佟維妍.基于遺傳算法的露天礦邊坡檢測傳感網(wǎng)絡(luò)優(yōu)化[J].計算機測量與控制，2011（02）.

[3]馬海榮，蔡林桓，李川.優(yōu)化GM（1，1）模型在滑坡形變預(yù)測預(yù)報中的應(yīng)用研究[J].工程地球物理學(xué)報，2012（04）.

[4]代永新，趙武鹍.基于混沌神經(jīng)網(wǎng)絡(luò)方法的邊坡穩(wěn)定性分析[J].金屬礦山，2012（11）.