基于BP神經(jīng)網(wǎng)絡(luò)理論的注漿材料模型研究

劉 猛

(河北鼎基環(huán)保工程集團(tuán)有限公司，河北邢臺(tái) 054100)

基于BP神經(jīng)網(wǎng)絡(luò)理論的注漿材料模型研究

劉 猛

(河北鼎基環(huán)保工程集團(tuán)有限公司，河北邢臺(tái) 054100)

以某礦現(xiàn)場(chǎng)注漿材料正交試驗(yàn)數(shù)據(jù)為訓(xùn)練樣本，以注漿材料結(jié)石體28d強(qiáng)度為考核指標(biāo)，建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，樣本訓(xùn)練結(jié)果與BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果擬合度均高于99%。選取礦山具有代表性的材料配合比實(shí)測(cè)結(jié)果與模型預(yù)測(cè)結(jié)果進(jìn)行對(duì)比，結(jié)果表明：BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果與實(shí)際結(jié)果具有較高的吻合度，能夠進(jìn)行注漿材料的28d強(qiáng)度預(yù)測(cè)。這對(duì)于快速確定注漿參數(shù)，實(shí)現(xiàn)突水災(zāi)害治理具有重要意義。

注漿堵水;注漿材料配合比;BP神經(jīng)網(wǎng)絡(luò);強(qiáng)度預(yù)測(cè)

Abstract：Taking the orthogonal test of the grouting material in the mine as the training samples，based on the 28d intensity of grouting material，the BP neural network prediction model was established.Sample training results and BP neural network model prediction results fit up to 99%.The representative material mix ratio of the selected mine was compared with the forecasting model，the results show that the BP neural network model has higher agreement with the actual results.It is very important to quickly determine the grouting parameters and realize the management of waterlogging disaster.

Key words：grouting shutoff;grouting material mix ratio;BP neural network;strength prediction

0 引言

為了能在礦井發(fā)生突水災(zāi)害時(shí)，快速封堵突水通道，隔離突水水源，最大限度降低突水災(zāi)害帶來(lái)的損失，就需要快速確定注漿參數(shù)［1－5］。不同的注漿材料及配合比形成的結(jié)石體強(qiáng)度和加固范圍不同，現(xiàn)場(chǎng)注漿時(shí)需進(jìn)行材料的配比試驗(yàn)，既浪費(fèi)時(shí)間又耗費(fèi)人力、財(cái)力，受各種因素影響其結(jié)果可能存在較大偏差［6－8］。各材料對(duì)漿液形成的結(jié)石體強(qiáng)度影響復(fù)雜，不易確定注漿材料與結(jié)石體強(qiáng)度之間的關(guān)系模型。如果在合理誤差范圍內(nèi)，能夠建立注漿材料與強(qiáng)度之間的關(guān)系模型，對(duì)于提高工作效率，降低成本，實(shí)現(xiàn)快速治理突水災(zāi)害具有實(shí)際意義。

人工神經(jīng)網(wǎng)絡(luò)以非線性處理單元模擬生物神經(jīng)元，各單元之間以一定的形式連接成網(wǎng)絡(luò)，是一種高維性、自組織性、模糊性和自學(xué)習(xí)能力較強(qiáng)的數(shù)學(xué)模型，在解決非線性問(wèn)題及類型識(shí)別方面具有很強(qiáng)的優(yōu)勢(shì)［9－13］。……