張　誠(chéng),黃　彬

(贛州稀土礦業(yè)有限公司，　江西 贛州市　341000)

?

基于BP神經(jīng)網(wǎng)絡(luò)的金屬礦山生產(chǎn)規(guī)模優(yōu)化研究

張誠(chéng),黃彬

(贛州稀土礦業(yè)有限公司，江西 贛州市341000)

摘要：合理確定生產(chǎn)規(guī)模是金屬礦山采礦設(shè)計(jì)中的一項(xiàng)核心決策要素。采用傳統(tǒng)分析方法確定生產(chǎn)規(guī)模，由于考慮因素不完全，得到的結(jié)果并不理想，與現(xiàn)實(shí)偏差較大，為此，提出了基于BP神經(jīng)網(wǎng)格的智能化預(yù)測(cè)系統(tǒng)，并對(duì)BP神經(jīng)網(wǎng)絡(luò)和系統(tǒng)建立進(jìn)行了簡(jiǎn)介，為金屬礦山確定生產(chǎn)規(guī)模提供了借鑒。

關(guān)鍵詞：金屬礦山； BP神經(jīng)網(wǎng)絡(luò)；生產(chǎn)規(guī)模；智能化系統(tǒng)

0前言

在金屬礦山的采礦設(shè)計(jì)中，確定生產(chǎn)規(guī)模是一項(xiàng)極其重要的待決策要素，在以后的許多生產(chǎn)要素均圍繞生產(chǎn)規(guī)模來(lái)確定。因此，確定一個(gè)合理的生產(chǎn)規(guī)模能降低礦山企業(yè)的各項(xiàng)生產(chǎn)成本，使礦山企業(yè)的社會(huì)經(jīng)濟(jì)效益增大，從而提高企業(yè)的競(jìng)爭(zhēng)力。由于受到社會(huì)條件、經(jīng)濟(jì)水平、法規(guī)政策、地理環(huán)境、科學(xué)技術(shù)等多方面的綜合因素影響，確定礦山生產(chǎn)規(guī)模是一項(xiàng)具有未確定性、模糊性、隨機(jī)性、高維性等特征的非線性系統(tǒng)工程。上世紀(jì)，國(guó)內(nèi)外礦業(yè)領(lǐng)域的學(xué)者開(kāi)始重視這項(xiàng)研究工作，投入大量的精力從事相關(guān)的研究，也得到了一定的成果[1-2]，但過(guò)去的大多數(shù)研究都忽視了在實(shí)際生產(chǎn)中很多影響生產(chǎn)規(guī)模的因素都具有不確定性而難以用精確的數(shù)學(xué)語(yǔ)言來(lái)描述的特征，所以局限于使用靜態(tài)或動(dòng)態(tài)的數(shù)值優(yōu)化計(jì)算求得生產(chǎn)規(guī)模，這樣得到的結(jié)果與實(shí)際生產(chǎn)可能產(chǎn)生一定的脫節(jié)[3]，從而影響企業(yè)效益。由此可知，金屬礦山企業(yè)確定生產(chǎn)規(guī)模是一項(xiàng)慎之又慎的工作，為此探討了基于BP神經(jīng)網(wǎng)絡(luò)的智能化系統(tǒng)，以確定金屬礦山的合理生產(chǎn)規(guī)模。

1研究現(xiàn)狀

目前金屬礦山企業(yè)常用于確定生產(chǎn)規(guī)模的方法主要有以下3種：

(1) 采用統(tǒng)計(jì)分析的方法，通過(guò)收集一定數(shù)量礦山樣本的多年的生產(chǎn)數(shù)據(jù)進(jìn)行分析，從而得到確定生產(chǎn)規(guī)模的方法，比較有代表性的是泰勒公式，為了尋找更適合我國(guó)礦山的生產(chǎn)情況，鄭明貴等[4]也對(duì)泰勒公式進(jìn)行了優(yōu)化，但由于該方法考慮因素較少，屬于一種粗放型的方法，不能保證企業(yè)達(dá)到好的效益。

(2) 有學(xué)者從礦山開(kāi)采技術(shù)角度出發(fā)研究礦山生產(chǎn)規(guī)模的方法，其中礦山開(kāi)采年下降速度法、新階段準(zhǔn)備速度法等方法具有一定的代表性[5]。但這些方法只單純的考慮了礦山開(kāi)采過(guò)程中的技術(shù)因素，沒(méi)有考慮資金的時(shí)間價(jià)值和市場(chǎng)需求等社會(huì)經(jīng)濟(jì)影響因素，結(jié)果并不理想。

(3) 從技術(shù)經(jīng)濟(jì)角度研究礦山的生產(chǎn)規(guī)模，如盈虧平衡分析法、敏感性分析法、經(jīng)濟(jì)合理服務(wù)年限法等方法對(duì)礦山生產(chǎn)規(guī)模進(jìn)行優(yōu)化[6]，但這種方法得到的結(jié)果不能直接用于指導(dǎo)生產(chǎn)，這些方法不但因約束條件太苛刻而在現(xiàn)實(shí)生產(chǎn)中難以獲取，而且考慮的指標(biāo)也偏向于經(jīng)濟(jì)方面而得出的結(jié)果與現(xiàn)實(shí)偏差較大。

綜上所述筆者在確定礦山合理生產(chǎn)規(guī)模過(guò)程中，研究建立了基于BP人工神經(jīng)網(wǎng)格的智能化預(yù)測(cè)系統(tǒng)，該系統(tǒng)綜合了影響礦山生產(chǎn)規(guī)模本質(zhì)的多個(gè)指標(biāo)信息，并將這些指標(biāo)通過(guò)橫向和縱向比較,全面反映影響生產(chǎn)規(guī)模的因素，從而確定礦山合理生產(chǎn)規(guī)模。

2BP神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介

BP神經(jīng)網(wǎng)絡(luò)(Back-Propagation Neural Network)是誤差回傳神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)稱(chēng)，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，也是目前在各行業(yè)里應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)由輸入層、中間層和輸出層等三層組成，信息由輸入層傳到中間層最后傳到輸出層依次傳播，使用最速下降法作為信息傳播過(guò)程中的學(xué)習(xí)規(guī)則，還會(huì)不斷的通過(guò)反向傳播來(lái)調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。

BP神經(jīng)網(wǎng)絡(luò)的工作過(guò)程由學(xué)習(xí)期和工作期組成，其中學(xué)習(xí)期能使各層神經(jīng)單元之間的聯(lián)接權(quán)值成為一個(gè)固定值而成為網(wǎng)絡(luò)工作過(guò)程的重點(diǎn)，學(xué)習(xí)期又由正向傳播輸入信息和反向傳播誤差兩個(gè)過(guò)程組成[7-8]。正向傳播輸入信息是指信息依次從輸入層傳到輸出層，下一層的神經(jīng)元狀態(tài)只會(huì)受到上一層神經(jīng)元的影響。如果輸出層輸出的最終結(jié)果與期望值存在偏差時(shí)，BP神經(jīng)網(wǎng)絡(luò)會(huì)把誤差計(jì)算出來(lái)，并按相同的聯(lián)接通路把誤差返回，同時(shí)還會(huì)修改各層神經(jīng)元之間的聯(lián)接權(quán)值使輸出的結(jié)果與期望值接近，這也是BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)期的反向傳播誤差的過(guò)程。在學(xué)習(xí)期使用大量的樣本把BP神經(jīng)網(wǎng)絡(luò)各層神經(jīng)單元之間的聯(lián)接權(quán)值訓(xùn)練成一個(gè)固定值之后，訓(xùn)練成熟的BP神經(jīng)網(wǎng)絡(luò)即可工作。把需要求結(jié)果的目標(biāo)樣本的數(shù)據(jù)從輸入層輸入到訓(xùn)練成熟的BP神經(jīng)網(wǎng)絡(luò)中，BP神經(jīng)網(wǎng)絡(luò)按學(xué)習(xí)期得到的網(wǎng)絡(luò)權(quán)值和閥值傳到輸出層并得到理想的最終結(jié)果。

3基于BP神經(jīng)網(wǎng)絡(luò)的智能化系統(tǒng)建立

基于BP神經(jīng)網(wǎng)絡(luò)的智能化系統(tǒng)可建立成一個(gè)人機(jī)交互良好的運(yùn)用體系，首先在已取得良好社會(huì)經(jīng)濟(jì)效益的在產(chǎn)礦山中，獲取各項(xiàng)影響生產(chǎn)規(guī)模的生產(chǎn)要素作為學(xué)習(xí)期的訓(xùn)練樣本，根據(jù)BP神經(jīng)網(wǎng)絡(luò)的自身優(yōu)點(diǎn)把其訓(xùn)練成熟，再利用訓(xùn)練成熟的BP神經(jīng)網(wǎng)絡(luò)來(lái)確定樣本礦山的合理生產(chǎn)規(guī)模。在訓(xùn)練系統(tǒng)中的BP神經(jīng)網(wǎng)絡(luò)時(shí)，筆者把礦區(qū)地質(zhì)環(huán)境、礦體賦存特征、礦層厚度、礦石質(zhì)量、礦床水文地質(zhì)條件、礦床工程地質(zhì)條件、設(shè)計(jì)開(kāi)采儲(chǔ)量、采礦方法、礦井開(kāi)拓系統(tǒng)、采礦損失率、采礦貧化率、選礦工藝條件、選礦回收率、礦區(qū)地理交通位置、礦山原有資產(chǎn)凈值、市場(chǎng)需求、國(guó)家法規(guī)政策、單位礦石成本、企業(yè)定員、總投資20個(gè)生產(chǎn)要素按一定的規(guī)則統(tǒng)一賦值后作為BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元[9]，把生產(chǎn)規(guī)模、總投資收益率、財(cái)務(wù)內(nèi)部收益率、財(cái)務(wù)凈現(xiàn)值4個(gè)要素作為BP神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元，共收集了30個(gè)社會(huì)經(jīng)濟(jì)效益良好的金屬礦山的生產(chǎn)要素作為訓(xùn)練樣本，對(duì)建立的智能化系統(tǒng)進(jìn)行訓(xùn)練，得到了良好的結(jié)果。訓(xùn)練結(jié)束后計(jì)算樣本礦山的生產(chǎn)規(guī)模，取得了理想的結(jié)果。

4結(jié)論

基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的計(jì)算金屬礦山合理生產(chǎn)規(guī)模的智能化系統(tǒng)，利用BP神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí)特征把影響生產(chǎn)規(guī)模的多個(gè)本質(zhì)指標(biāo)集中在同一個(gè)系統(tǒng)中，根據(jù)一定的規(guī)則把這些指標(biāo)統(tǒng)一賦值并進(jìn)行訓(xùn)練，訓(xùn)練成熟之后再運(yùn)用到目標(biāo)樣本中，從而得到期望的結(jié)果，為金屬礦山企業(yè)確定生產(chǎn)規(guī)模提供了借鑒。

參考文獻(xiàn)：

[1]徐強(qiáng)，曹瑞峰.長(zhǎng)城鐵礦最佳生產(chǎn)規(guī)模分析論證[J].河北地質(zhì)學(xué)院學(xué)報(bào)，1994，17(1)：74-77.

[2]王革民，陳建宏,劉浪.現(xiàn)代礦山開(kāi)采生產(chǎn)規(guī)模優(yōu)化準(zhǔn)則綜述[J].礦業(yè)研究與開(kāi)發(fā)，2012,32(15):1-5.19.

[3]魏一鳴，童光煦.基于神經(jīng)網(wǎng)絡(luò)的礦山經(jīng)濟(jì)規(guī)模專(zhuān)家系統(tǒng)研究[J].江西有色冶金，1994，8(4)：6-10.

[4]鄭明貴，蔡嗣經(jīng).地采金屬礦山生產(chǎn)規(guī)模確定的泰勒公式的研究[J].江西理工大學(xué)學(xué)報(bào)，2007,7(3)：21-25.

[5]《采礦手冊(cè)》編委會(huì)．采礦手冊(cè)[M].北京：冶金工業(yè)出版社，1994.

[6]張順堂.金屬礦山經(jīng)營(yíng)參數(shù)動(dòng)態(tài)優(yōu)化綜合模型研究[J].礦業(yè)研究與開(kāi)發(fā),2005,25(03):5-8,33.

[7]K．S．Narendra，Adaptive Control Using Neural Networks[J].Neural Networks for Control,991:115-142.

[8]胡敬朋，謝廣祥.基于神經(jīng)網(wǎng)絡(luò)的綜放工作面生產(chǎn)能力預(yù)測(cè)模型[J].礦業(yè)研究與開(kāi)發(fā)，2005，25(2)：10-11,52.

[9]鄭明貴，蔡嗣經(jīng).金屬礦山擴(kuò)建合理規(guī)律的影響因素[J].采礦技術(shù)，2007，7(1):1-2,53.(收稿日期：2015-08-17)

作者簡(jiǎn)介：張誠(chéng)(1986-)，男，江西龍南人，碩士研究生，主要從事礦山設(shè)計(jì)、施工、管理工作，Email：411075365@qq.com。