LVQ神經(jīng)網(wǎng)絡(luò)在采空區(qū)穩(wěn)定性分類(lèi)中的應(yīng)用探析

郭家能

(湖南有色冶金勞動(dòng)保護(hù)研究院，湖南長(zhǎng)沙 410014)

LVQ神經(jīng)網(wǎng)絡(luò)在采空區(qū)穩(wěn)定性分類(lèi)中的應(yīng)用探析

郭家能

(湖南有色冶金勞動(dòng)保護(hù)研究院，湖南長(zhǎng)沙 410014)

簡(jiǎn)要介紹LVQ神經(jīng)網(wǎng)絡(luò)工作原理，提出建立采空區(qū)穩(wěn)定性分類(lèi)LVQ神經(jīng)網(wǎng)絡(luò)模型的基本方法;并以某鐵礦為例，建立采空區(qū)穩(wěn)定性分類(lèi)LVQ神經(jīng)網(wǎng)絡(luò)模型，通過(guò)對(duì)E中段采空區(qū)穩(wěn)定性的正確分類(lèi)驗(yàn)證了此方法的可行性。最后，總結(jié)了LVQ神經(jīng)網(wǎng)絡(luò)模型在采空區(qū)穩(wěn)定性分類(lèi)中尚未完善之處，并展望了其美好前景。

采空區(qū);穩(wěn)定性分類(lèi);LVQ神經(jīng)網(wǎng)絡(luò);特征向量;分類(lèi)模型

1 引言

礦產(chǎn)資源的地下開(kāi)采后會(huì)留下大小不一、形態(tài)各異的諸多采空區(qū)。采空區(qū)穩(wěn)定性的研究方法在工程界一直沒(méi)有定論，目前應(yīng)用較多的有物理模擬法、力學(xué)分析法和數(shù)值模擬分析法。近年來(lái)隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，神經(jīng)網(wǎng)絡(luò)在人工智能、模糊分析、模式識(shí)別等領(lǐng)域獲得了廣泛應(yīng)用［1－3］。本文采用LVQ神經(jīng)網(wǎng)絡(luò)算法，建立了適用于采空區(qū)穩(wěn)定性分類(lèi)評(píng)價(jià)的LVQ神經(jīng)網(wǎng)絡(luò)模型，編寫(xiě)了相應(yīng)的MATLAB計(jì)算程序［4－5］。通過(guò)簡(jiǎn)單的應(yīng)用實(shí)例表明，評(píng)判效果良好，且操作簡(jiǎn)單，具有廣闊的發(fā)展前景。

2 LVQ神經(jīng)網(wǎng)絡(luò)的工作原理

學(xué)習(xí)向量量化(簡(jiǎn)稱(chēng)LVQ)神經(jīng)網(wǎng)絡(luò)是一種由芬蘭學(xué)者Kohonen提出的有監(jiān)督神經(jīng)網(wǎng)絡(luò)，用于求解分類(lèi)問(wèn)題［6－7］。LVQ是在有監(jiān)督狀態(tài)下對(duì)競(jìng)爭(zhēng)層進(jìn)行訓(xùn)練的一種學(xué)習(xí)算法，其實(shí)質(zhì)是一種根據(jù)樣本模式的特性，進(jìn)行“獎(jiǎng)－懲”的迭代學(xué)習(xí)算法。其基本思想是對(duì)于來(lái)自訓(xùn)練集中的樣本向量，如果樣本與最近神經(jīng)元屬同一類(lèi)，則無(wú)需學(xué)習(xí)，否則將懲罰分類(lèi)錯(cuò)誤的神經(jīng)元，獎(jiǎng)勵(lì)分類(lèi)正確的神經(jīng)元;競(jìng)爭(zhēng)層能自動(dòng)學(xué)習(xí)對(duì)輸入向量進(jìn)行分類(lèi)，這種分類(lèi)的結(jié)果僅依賴于輸入向量之間的距離，如果兩個(gè)輸入向量特別相近，競(jìng)爭(zhēng)層將它們分在同一類(lèi)，否之則反。LVQ神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)見(jiàn)圖1［8］。

圖1 LVQ網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

3 特征向量的提取

任何一個(gè)樣本都可以用向量的形式表達(dá)出來(lái)，特征向量的提取是對(duì)樣本所包含的信息進(jìn)行處理和分析，將不易受隨機(jī)因素干擾的信息作為該樣本的特征向量提取出來(lái)。特征向量的提取過(guò)程也是去除冗余信息的過(guò)程，具有提高識(shí)別準(zhǔn)確度、減少運(yùn)算量和提高運(yùn)算速度的作用。以采空區(qū)例，影響采空區(qū)穩(wěn)定性的因素很多，歸納起來(lái)可分為水文地質(zhì)條件、采空區(qū)特征參數(shù)以及其他因素三大類(lèi)，其中每一類(lèi)又包括若干小類(lèi)［9－10］，見(jiàn)下表1。

表1 影響因素

從上述眾多影響因子中選取易于量化且具有代表性的因子(如高垮比、空區(qū)埋藏深度、礦體傾角、巖體抗壓強(qiáng)度等)作為特征向量，或通過(guò)模糊數(shù)學(xué)求出因素的綜合權(quán)重值作為其特征向量。

4 分類(lèi)模型的構(gòu)建

從目標(biāo)的特征向量如何識(shí)別出目標(biāo)的類(lèi)型是識(shí)別模型要解決的主要問(wèn)題。采空區(qū)穩(wěn)定性分類(lèi)LVQ神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)采用如下規(guī)則［11－13］:

(1)確定輸入層和競(jìng)爭(zhēng)層之間的權(quán)值初始值;

(2)將輸入向量X=［x1，x2，…xn］T送入輸入層;

(4)選擇與權(quán)值向量距離最小的神經(jīng)元;

(5)更新連接權(quán)值，如果勝出神經(jīng)元和預(yù)先指定的分類(lèi)一致，稱(chēng)為正確分類(lèi)，權(quán)值的調(diào)整按更新;如果勝出神經(jīng)元和預(yù)先指定的分類(lèi)不一致，稱(chēng)為不正確分類(lèi)，按更新權(quán)值，式中t為迭代次數(shù)，為學(xué)習(xí)步長(zhǎng);

(6)判斷是否滿足預(yù)先設(shè)定的最大迭代次數(shù)，滿足則算法結(jié)束，否則返回(2)，進(jìn)入下一輪的學(xué)習(xí)。

5 工程實(shí)例

5.1 問(wèn)題模型

某鐵礦開(kāi)采至F中段，其上部A、B、C、D、E中段采空區(qū)的詳細(xì)參數(shù)及穩(wěn)定性見(jiàn)下表2，試以A、B、C、D中段采空區(qū)為樣本，驗(yàn)證E中段采空區(qū)的穩(wěn)定性。

表2 采空區(qū)參數(shù)表

續(xù)表中段礦房高垮比埋藏深度/m暴露面積/m2采空區(qū)體積/m3穩(wěn)定性狀態(tài)C中段C1#礦房0.68189.00619.2217707.21穩(wěn)定C2#礦房0.57195.001537.6644507.47大面積失穩(wěn)C3#礦房0.65190.001538.7846106.42穩(wěn)定C4#礦房0.80192.001186.7734078.23大面積失穩(wěn)C5#礦房0.77191.001083.2514435.27穩(wěn)定C6#礦房0.69190.001178.8955634.28穩(wěn)定D中段D1#礦房0.48212.001023.6616038.14大面積失穩(wěn)D2#礦房0.70219.00844.6716762.45穩(wěn)定D3#礦房0.58218.001198.4124660.09大面積失穩(wěn)D4#礦房0.66217.001332.2431179.69局部失穩(wěn)D5#礦房0.71216.001055.4327373.32局部失穩(wěn)D6#礦房0.42230.00359.422672.77穩(wěn)定D7#礦房0.77227.00560.956558.65穩(wěn)定D8#礦房0.60223.00615.5211087.39穩(wěn)定E中段E1#礦房0.30247.001232.4719180.19局部失穩(wěn)E2#礦房0.52245.001044.4321373.22局部失穩(wěn)E3#礦房0.71243.00439.382977.57穩(wěn)定E4#礦房0.66246.00582.174654.87穩(wěn)定E5#礦房0.27246.001298.7026657.31大面積失穩(wěn)

5.2 數(shù)據(jù)處理

首先把采空區(qū)穩(wěn)定性等級(jí)簡(jiǎn)要?dú)w納為穩(wěn)定和不穩(wěn)定兩種類(lèi)型。同一礦山采空區(qū)礦巖的巖石力學(xué)參數(shù)及水紋地質(zhì)條件等均類(lèi)似，因此可把空區(qū)的高垮比和埋藏深度作為特征向量，對(duì)空區(qū)埋藏深度作歸一化處理，見(jiàn)表3。

表3 樣本參數(shù)處理表

續(xù)表

5.3 建立LVQ神經(jīng)網(wǎng)絡(luò)模型

把A、B、C、D中段的采空區(qū)當(dāng)作訓(xùn)練樣本，E中段采空區(qū)作為檢測(cè)樣本，以采空區(qū)的高垮比和埋藏深度作為特征向量，在MATLAB中建立LVQ神經(jīng)網(wǎng)絡(luò)模型。程序如下:

5.4 結(jié)果

運(yùn)行上述程序，結(jié)果見(jiàn)圖2～3。

圖2 運(yùn)行結(jié)果圖

圖3 網(wǎng)絡(luò)訓(xùn)練1000步誤差走勢(shì)圖

由圖2可知，E01#、E02#、E05#空區(qū)不穩(wěn)定，E03#E04#空區(qū)處于穩(wěn)定狀態(tài)，這與礦山的實(shí)際情況基本吻合。由圖3可知，LVQ神經(jīng)網(wǎng)絡(luò)在對(duì)樣本進(jìn)行1000次訓(xùn)練時(shí)誤差率為0.12，隨著訓(xùn)練步數(shù)的增加，誤差逐漸降低。

6 結(jié)論與展望

本文簡(jiǎn)要介紹了LVQ神經(jīng)網(wǎng)絡(luò)的工作原理，在此基礎(chǔ)上首次把LVQ神經(jīng)網(wǎng)絡(luò)引用到采空區(qū)穩(wěn)定性分類(lèi)問(wèn)題上，通過(guò)簡(jiǎn)單的工程實(shí)例，驗(yàn)證了采用LVQ神經(jīng)網(wǎng)絡(luò)對(duì)采空區(qū)穩(wěn)定性分類(lèi)的方法可行。與傳統(tǒng)的采空區(qū)穩(wěn)定性分類(lèi)法(如模糊聚類(lèi)法、數(shù)值模擬評(píng)判法等)相比具有快速、準(zhǔn)確、客觀等優(yōu)點(diǎn)，可供國(guó)內(nèi)外類(lèi)似礦山參考使用。

由于本人學(xué)術(shù)水平有限，一些問(wèn)題仍有待進(jìn)一步深入的研究:

(1)文中的工程實(shí)例是針對(duì)同一個(gè)礦山不同中段的采空區(qū)建立LVQ神經(jīng)網(wǎng)絡(luò)模型，相對(duì)簡(jiǎn)單，研究不同礦山采空區(qū)穩(wěn)定性分類(lèi)時(shí)需考慮更多特征向量，涉及到更為復(fù)雜的多維LVQ神經(jīng)網(wǎng)絡(luò)求解問(wèn)題。

(2)受科研條件所限，本文選擇的訓(xùn)練樣本相對(duì)較少，所得結(jié)果誤差率稍微偏大。廣泛的收集國(guó)內(nèi)大量礦山采空區(qū)的詳細(xì)資料，需同行們的廣泛交流和共同努力。

倘若解決上述問(wèn)題，可建立一個(gè)大型的采空區(qū)詳細(xì)資料數(shù)據(jù)庫(kù)，在此基礎(chǔ)上，結(jié)合MATLAB、C++等軟件建立一個(gè)面向?qū)ο蠡牟煽諈^(qū)穩(wěn)定性LVQ神經(jīng)網(wǎng)絡(luò)分類(lèi)程序，供同行們使用。這是一個(gè)艱巨的任務(wù)，一旦實(shí)現(xiàn)，將為采空區(qū)穩(wěn)定性分類(lèi)技術(shù)開(kāi)創(chuàng)新的篇章!

參考文獻(xiàn):

［1］古德生，李夕兵.現(xiàn)代金屬礦床開(kāi)采科學(xué)技術(shù)［M］.北京:冶金工業(yè)出版社，2006:112－116.

［2］國(guó)家安全生產(chǎn)監(jiān)督管理總局.國(guó)家安全生產(chǎn)科技發(fā)展規(guī)劃非煤礦山領(lǐng)域研究報(bào)告(2004－2010)［R］.北京:國(guó)家安全生產(chǎn)監(jiān)督管理總局，國(guó)家煤礦安全監(jiān)察局，2003.

［3］蔡美峰.中國(guó)金屬礦山21世紀(jì)的發(fā)展前景評(píng)述［J］.中國(guó)礦業(yè)，2001，10(l):11－13.

［4］胡良劍，孫曉君.MATLAB數(shù)學(xué)實(shí)驗(yàn)［M］.北京:高等教育出版社，2006:270－272.

［5］孫祥，徐流美，吳清.MATLAB7.0基礎(chǔ)教程［M］.北京:清華大學(xué)出版社，2005:173－175.

［6］吳貴芳，徐科，徐金梧.基于LVQ神經(jīng)網(wǎng)絡(luò)的冷軋帶鋼表面缺陷分類(lèi)方法［J］.北京科技大學(xué)學(xué)報(bào)，2005，25(6):732－735.

［7］黃勇，劉燕.基于LVQ神經(jīng)網(wǎng)絡(luò)的目標(biāo)識(shí)別技術(shù)［J］.光電與光學(xué)技術(shù)，2006，4(l):58－61.

［8］段明秀，何迎生.基于LVQ神經(jīng)網(wǎng)絡(luò)的手寫(xiě)字母識(shí)別［J］.吉首大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010，31(2):41－43.

［9］朱為民，李想，陳國(guó)梁等.基于多因素模糊綜合評(píng)價(jià)的某鐵礦采空區(qū)危險(xiǎn)度評(píng)定［J］.有色金屬科學(xué)與工程，2011(4): 71－74.

［10］王新民，謝盛青.基于模糊數(shù)學(xué)綜合評(píng)判的采空區(qū)穩(wěn)定性分析［J］.2010，35(1):9－13.

［11］王彥磊，曹炳偉，黃兵，等.基于神經(jīng)網(wǎng)絡(luò)的單站霧預(yù)報(bào)試驗(yàn)［J］.應(yīng)用氣象學(xué)報(bào)，2010，21(l):110－113.

［12］飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實(shí)現(xiàn)［M］.北京:電子工業(yè)出版社，2005:7－11.

［13］周開(kāi)利.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)［M］.北京:清華大學(xué)出版社，2005:211－217.

Analysis of the Application of LVQ Neural Network in the Stability Classification of Gob

GUO Jia－neng
(Hunan Labour Protection Institute of Nonferrous Metals，Changsha，Hunan 410014，China)

Introducing the LVQ neural network working principle briefly，and modeling the stability classification of the gob of LVQ neural network is on the basis of the LVQ neural network working principle.Taking an iron for example，modeling the stability classification of the gob of LVQ neural network.Authentication this method is feasible by the correct classification of E middle of the stability of the gob.Finally，summarizing the inadequacies of the LVQ neural network model in the stability classification of the gob，and outlooking bright future.

Gob;Stability classification;LVQ neural network;Feature vector;Classification mode

TD12

:A

:1009－3842(2012)04－0029－04

2012－05－07

郭家能(1980－)，男，云南大理人，采礦工程師，主要從事采礦工作。E－mail:guojianeng8523@sina.com