李建勛，李 旭，李 磊

(陜西澄合山陽煤礦有限公司，陜西 渭南 715300)

0 引言

對煤礦開采中出現(xiàn)的沉陷問題進(jìn)行精準(zhǔn)預(yù)測，是煤礦施工方與技術(shù)單位長期以來的研究話題。合理且有序地開展預(yù)測行為，不僅可以掌握煤礦地表巖層的變化趨勢，同時也可以避免在工程實施過程中，出現(xiàn)煤礦地質(zhì)層塌陷危險導(dǎo)致的人員傷亡[1]。目前，我國煤礦產(chǎn)業(yè)使用的沉陷預(yù)測方法大多為實測法與數(shù)值模擬論證法，但現(xiàn)下使用的預(yù)測方法，不僅存在成本高、運算復(fù)雜的問題，也存在針對性強、適用性低等缺陷[2]。因此，引進(jìn)人工神經(jīng)網(wǎng)絡(luò)，從數(shù)據(jù)信息處理層面入手，采用對人腦神經(jīng)元進(jìn)行抽象化處理的方式，構(gòu)建一個簡單的運算模式，使沉陷預(yù)測的運算過程簡單化。在此基礎(chǔ)上，設(shè)計一種針對煤礦開采過程的沉陷預(yù)測系統(tǒng)，以期為煤礦工程的安全施工提供技術(shù)保障。

1 硬件設(shè)計

1.1 系統(tǒng)控制裝置選型

基于煤礦開采中沉陷預(yù)測系統(tǒng)的運行需要，在對其硬件結(jié)構(gòu)進(jìn)行設(shè)計時，將系統(tǒng)控制裝置作為硬件核心部分。選用由Kodak研發(fā)企業(yè)生產(chǎn)的DL165-560型號控制裝置作為本系統(tǒng)核心裝置結(jié)構(gòu)，該型號控制裝置具有數(shù)據(jù)可視化、指令快速響應(yīng)等應(yīng)用優(yōu)勢[3]。該控制裝置當(dāng)中含有DL-DrawWidget控制芯片，通過控制芯片將控制裝置應(yīng)用到各個可以實現(xiàn)COM兼容的環(huán)境當(dāng)中。同時DL165-560型號控制裝置當(dāng)中還含有多個靈活語言接口，可以支持C語言、C+語言、Java等多種不同的控制指令，能夠充分滿足煤礦開采過程中，對各類開采設(shè)備和機(jī)械的控制[4]。DL165-560型號控制裝置的技術(shù)指標(biāo)及相關(guān)參數(shù)見表1。選用的控制裝置能夠應(yīng)用到各類支持ActiveS的運行環(huán)境當(dāng)中，為了更加清晰地對各類煤礦開采設(shè)備進(jìn)行可視化控制，可將該控制裝置與具有高清顯示功能的顯示器進(jìn)行連接。

表1 DL165-560型號控制裝置的技術(shù)指標(biāo)及相關(guān)參數(shù)

1.2 沉陷數(shù)據(jù)采集裝置選型

為了實現(xiàn)對煤礦開采過程中地面沉陷的預(yù)測，引入針對沉陷數(shù)據(jù)的采集裝置，通過該裝置對沉陷數(shù)據(jù)變化進(jìn)行實時監(jiān)測。由于煤礦開采中出現(xiàn)沉陷現(xiàn)象會涉及眾多的數(shù)據(jù)變化，因此本文在選擇沉陷數(shù)據(jù)采集裝置時，采用針對多種不同類型數(shù)據(jù)進(jìn)行的傳感器，例如針對周圍環(huán)境溫度、濕度以及土壤濕度等參數(shù)的傳感器，將眾多傳感器進(jìn)行連接，組成沉降數(shù)據(jù)采集裝置組[5-7]。多種傳感器均采用分辨率為0.5 μm，USB接口為USB 3.5全速，通信端口為RS1650的傳感器。通過多個傳感器采集到的數(shù)據(jù)全部匯總到沉降數(shù)據(jù)采集裝置當(dāng)中，為后續(xù)對煤礦開采中沉陷情況預(yù)測提供數(shù)據(jù)依據(jù)。

2 軟件設(shè)計

2.1 基于人工神經(jīng)網(wǎng)絡(luò)構(gòu)建預(yù)測模型

在完成上述硬件設(shè)計的基礎(chǔ)上，下述將對系統(tǒng)的軟件功能進(jìn)行設(shè)計。在此過程中，假設(shè)造成開采中沉陷的關(guān)鍵因素包括n個，輸出有效因素，將其表示為x={X1,X2,…,Xn}。煤礦地表層多種移動的變量值共包含m個，輸出有效變量，將其表示為y={Y1,Y2,…,Ym}。在深入對地表沉陷的研究中，發(fā)現(xiàn)x與y兩者是存在某種直接關(guān)系的，而通過對兩者關(guān)系的分析，便可以掌握煤礦層地表位移變化規(guī)律[8-10]。為了進(jìn)一步掌握或感知兩者的關(guān)系，本章引進(jìn)人工神經(jīng)網(wǎng)絡(luò)，采用構(gòu)建預(yù)測模型的方式，掌握煤礦層地表變化規(guī)律。在此過程中，結(jié)合BP反向算法，構(gòu)建一個多層模型[11]。3層結(jié)構(gòu)模型如圖1所示。

圖1 基于人工神經(jīng)網(wǎng)絡(luò)的3層預(yù)測模型Fig.1 Three-layer prediction model based on artificial neural network

根據(jù)圖1結(jié)構(gòu)，可知預(yù)測模型中任意一層中均涵蓋一個隱性連續(xù)函數(shù)，函數(shù)通過BP反向算法對導(dǎo)入的數(shù)據(jù)進(jìn)行逼近，便可以得到一個由n→m的映射空間。為了明確地表位移變化規(guī)律，需要對模型進(jìn)行訓(xùn)練。訓(xùn)練時，對構(gòu)建模型中的人工神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化處理，在此基礎(chǔ)上，連接多項權(quán)值Wji與模型運行有效閾值范圍θj，對模型中每個參數(shù)值賦予一個隨機(jī)最小值。同時，在預(yù)測模型中，定義訓(xùn)練樣本集合表示為p，輸入向量可以表示為xp，其中p的取值范圍為[1，P]。在完成上述相關(guān)工作的基礎(chǔ)上，計算模型中不同層神經(jīng)元的實際輸出值，計算公式為

(1)

2.2 基于地質(zhì)圖像坐標(biāo)轉(zhuǎn)換預(yù)測地質(zhì)沉降

為了確保系統(tǒng)在運行中預(yù)測結(jié)果的準(zhǔn)確性，需要對前端獲取的地質(zhì)圖像進(jìn)行坐標(biāo)轉(zhuǎn)換。為此，本章引進(jìn)高斯誤差函數(shù)，在指定預(yù)測范圍內(nèi)，對區(qū)域進(jìn)行網(wǎng)格劃分，并按照一定的規(guī)格，將預(yù)測的區(qū)域規(guī)劃為由大量網(wǎng)格點構(gòu)成的區(qū)域，為后期等值處理預(yù)測沉陷數(shù)據(jù)提供參考。在處理連續(xù)圖像過程中，參照Grid指令，將區(qū)域劃分為平行網(wǎng)格，并將計算的預(yù)測結(jié)果進(jìn)行坐標(biāo)等值計算[12]，計算公式為

(2)

式中，erf(x)為等值坐標(biāo)配比結(jié)果，公式中其他參數(shù)均為常數(shù)項。在完成與此相關(guān)工作后，獲取區(qū)域煤礦樣本數(shù)據(jù)，結(jié)合區(qū)域地質(zhì)圖手繪結(jié)果，繪制煤礦區(qū)域地質(zhì)三維效果圖，將區(qū)域?qū)嶋H數(shù)據(jù)導(dǎo)入上述構(gòu)建的預(yù)測模式中，通過此種方式，驗證預(yù)測結(jié)果是否準(zhǔn)確。假定在反向檢驗的過程中，預(yù)測的數(shù)值可代入模型，且符合運算規(guī)律，證明預(yù)測結(jié)果準(zhǔn)確，直接輸出預(yù)測結(jié)果即可。假定在反向檢驗的過程中，預(yù)測的數(shù)值在代入模型后，存在模型結(jié)構(gòu)偏離問題，證明運算過程不符合事實規(guī)律，證明預(yù)測結(jié)果與實際結(jié)果存在偏差，此時則需要重新對地質(zhì)環(huán)境數(shù)值進(jìn)行訓(xùn)練，經(jīng)過多次迭代后再輸出數(shù)據(jù)值，直到計算結(jié)果符合運算規(guī)律，以此完成對預(yù)測系統(tǒng)的設(shè)計。

3 試驗論證分析

上述從硬件層面和軟件層面完成對基于人工神經(jīng)網(wǎng)絡(luò)的煤礦開采中沉陷預(yù)測系統(tǒng)的理論設(shè)計，為進(jìn)一步探究該系統(tǒng)在實際應(yīng)用中是否有效解決傳統(tǒng)預(yù)測系統(tǒng)在實際應(yīng)用中存在的問題，選擇以某煤礦開采項目為依托，分別將本文系統(tǒng)和傳統(tǒng)系統(tǒng)應(yīng)用到該項目當(dāng)中，以實現(xiàn)對開采過程中地表沉陷的預(yù)測。對該開采區(qū)域歷史勘查數(shù)據(jù)進(jìn)行提取，該煤礦開采項目中地表下沉系數(shù)為0.6，水平移動系數(shù)為0.2，開采過程中影像傳播角為85 ℃，工作面整體長度約為120 m，傾斜長度約為110 m。為方便對2種預(yù)測系統(tǒng)的實際應(yīng)用效果進(jìn)行對比，選擇將2種系統(tǒng)預(yù)測得出的下沉量作為試驗參數(shù)，分別記錄2種系統(tǒng)預(yù)測結(jié)果，并將其與該煤礦開采區(qū)域?qū)嶋H沉降量進(jìn)行比對，得出沉陷預(yù)測結(jié)果誤差值，將其作為評價指標(biāo)并記錄結(jié)果，見表2。

表2 2種預(yù)測系統(tǒng)試驗結(jié)果對比

通過上述試驗結(jié)果可以看出，所設(shè)計的系統(tǒng)在對5個不同煤礦開采區(qū)域的沉陷情況預(yù)測時，得到的預(yù)測結(jié)果誤差值明顯小于傳統(tǒng)系統(tǒng)。因此，通過對比試驗證明，提出的基于人工神經(jīng)網(wǎng)絡(luò)的煤礦開采中沉陷預(yù)測系統(tǒng)在實際應(yīng)用中能夠結(jié)合多種不同因素，可以實現(xiàn)對煤礦開采地層沉陷的精準(zhǔn)預(yù)測。

4 結(jié)語

從構(gòu)建預(yù)測模型、基于地質(zhì)圖像坐標(biāo)轉(zhuǎn)換預(yù)測地質(zhì)沉降2個方面，對沉陷預(yù)測系統(tǒng)展開設(shè)計研究。完成設(shè)計后，通過對比試驗證明，所設(shè)計的系統(tǒng)可實現(xiàn)對煤礦開采地層沉陷的精準(zhǔn)預(yù)測。相比傳統(tǒng)的預(yù)測系統(tǒng)，預(yù)測結(jié)果實用性更高。因此，可在后期的煤礦開采工作中，將該系統(tǒng)應(yīng)用到工程實際，從實踐角度對沉陷預(yù)測系統(tǒng)的誤差進(jìn)行校正，以此種方式，保障煤礦工程在市場內(nèi)的順利實施。