基于人工神经网络的地下矿山岩层移动研究

D0I:10.13374/j.issn1001053x.2003.02.003 第25卷第2期 北京科技大学学报 Vol.25 No.2 2003年4月 Journal of University of Science and Technology Beijing Apr.2003 基于人工神经网络的地下矿山岩层移动研究 王艳辉蔡嗣经宋卫东 北京科技大学土木与环境工程学院，北京100083 摘要提出了采用人工神经网络方法进行地下金属矿山岩层移动预测，结合模糊数学对选 取的地表移动影响因素进行了处理.计算结果表明，所选取的各因素之间及其与岩层的移动 角之间存在着较强的非线性关系，移动角的大小与选取因素有着密切的联系，进而从理论上 证明可以预测由于开挖引起的岩层和地表移动的范围问题， 关键词人工神经网络；岩层移动；隶属度 分类号TD325*.1 地下金属矿床复杂的地层结构、多变的采场 关系方面具有其他方法无法比拟的优越性，由于 边界条件以及众多采矿因素的影响，不仅导致围 地下开采引起的岩层移动影响因素错综复杂，为 岩变形破坏的连续和非连续并存，拉、压及剪切 了估计各种因素的作用大小，本文将采用BP神 破坏机理共在，而且在采场围岩中还潜在着形状 经网络进行地下开采引起的岩层移动预测. 各异的节理、裂隙，同时，其介质的力学性质、变 形破坏机理以及空区、空洞等，在复杂多变的采 1影响岩层移动的因素选取 矿因素影响下，随空间和时间的不同而发生相应 1.1输入因素的选取 的变化.因此，地下采矿围岩移动和变形破坏机 根据已有的研究结果和国家规范标准彻， 理研究属于非线性领域和非连续范畴，具有非确 遵循重要性、独立性和易测性原则，同时考虑实 定性特征.非线性不仅体现在力学特性（应力一 际工程经验，并综合已调查地下开采引起地表 应变关系)方面，还体现在对预测结果的影响方 移动的原因和结果的实际情况，最后选取10个 面：非连续性涉及围岩中固有的节理、裂隙和断 主要的作用因素作为因素论域集，各因素集又分 层以及由于围岩崩落、离层等所导致的空区、空 为子因素集，见表1. 洞：非确定性不仅在于力学与变形参数的可变 1,2输出因素的选取 性，关键还在于影响因素的模糊性和随机性. 对于金属矿山，由于岩石岩性坚而脆，所以 80年代发展起来的神经网络在研究非线性 移动角与崩落角的差别较小，只相差5~10°9.根 表1地下开采岩层移动选取影响因素及其变化范围 Table 1 Select factors and its change ranges influencing strata movement due to underground mining 地表相对上盘围岩下盘围岩侧压力 矿体埋矿体倾 开采深 开采跨 采场长 矿体形态 高差/m 指标。 指标 系数 深m 角) 度m 度m 跨比 0-20 81-100 81-100 0-1.0 0-30 0-20 0-500-50 00.5 单一 21-50 61-80 61-80 1.0-1.5 30-100 21-40 51-10051-1000.6-2.0 较单一 >51 4160 41-60 >1.5 100-200 41-60 101-150101-150 >2.0 复杂 21-40 2140 200-300 61-80 151-~200151-200 较复杂 0-20 0-20 >300 81-90 >200 >200 很复杂 收稿日期200209-04 王艳辉男，27岁，博士研究生 据本次矿山岩层与岩层移动的调查结果，选取矿 *2003年国家安全生产监督管理局重点科技攻关项目 体上、下盘的移动角为岩层输出指标，上、下盘移

第 卷 第 期 年 月 北 京 科 技 大 学 学 报 几 基于人工神经 网络的地下矿 山岩层移动研究 王 艳辉 蔡嗣 经 宋卫 东 北 京科技大学 土 木 与环 境工 程学 院 ， 北 京 摘 要 提 出 了采用 人 工 神经 网络 方法 进行 地 下 金 属矿 山岩层 移 动预 测 ， 结合模糊数学对 选 取 的地 表移动 影 响 因 素进行 了处理 计 算结果表 明 ， 所选取 的各 因素之 间及其与岩 层 的移动 角之 间存 在着较 强 的非线 性关系 ， 移动 角 的大 小与选 取 因 素有着密 切 的联系 ， 进 而 从 理 论上 证 明可 以预测 由于 开挖 引起 的岩层 和 地 表移 动 的 范 围 问题 关键词 人 工 神经 网络 岩层 移动 隶属度 分 类号 十 地 下 金 属矿 床 复 杂 的地 层 结 构 、 多变 的采 场 边 界条件 以及 众 多采矿 因素 的影 响 ， 不 仅 导致 围 岩 变 形破 坏 的连 续 和 非 连 续 并存 ， 拉 、 压 及 剪切 破 坏 机理 共在 ， 而 且在 采场 围岩 中还潜在着形状 各 异 的节 理 、 裂 隙 同时 ， 其 介质 的力学性 质 、 变 形 破坏 机理 以及 空 区 、 空洞 等 ， 在 复 杂 多变 的采 矿 因素影 响下 ， 随 空 间和 时 间 的不 同而 发 生相 应 的变 化 因此 ， 地 下 采矿 围岩移 动 和 变 形 破 坏 机 理研 究属 于 非线 性领 域 和 非连续 范 畴 ， 具有 非确 定性 特 征 非 线性 不 仅 体 现 在 力学特 性 应 力一 应 变 关系 方 面 ， 还 体现 在 对 预 测 结果 的影 响方 面 非连 续性涉 及 围岩 中 固有 的节 理 、 裂 隙和 断 层 以及 由于 围岩 崩落 、 离层 等所 导致 的空 区 、 空 洞 非 确 定 性 不 仅 在 于 力 学 与变 形 参 数 的可 变 性 ， 关键 还 在 于 影 响 因素 的模糊 性 和 随机 性 年代 发 展 起 来 的神 经 网络 在研 究 非 线 性 关系方 面 具 有其他方 法 无 法 比拟 的优 越性 由于 地 下 开采 引起 的岩层 移 动 影 响 因素错 综 复杂 ， 为 了估 计 各 种 因素 的作 用 大 小 ， 本 文 将采 用 神 经 网络 进 行 地 下 开采 引起 的岩层 移 动 预 测 影 响岩 层 移 动 的 因素选取 输入 因素 的选 取 根 据 已有 的研 究结果 ‘喇 和 国家规 范标 准 ‘ ，， 遵 循重 要 性 、 独立 性 和 易测 性 原 则 ， 同 时考虑 实 际 工 程 经 验 ，，， 并综合 已调 查 地 下 开采 引起 地 表 移 动 的原 因和 结 果 的实际情 况 ， 最 后 选 取 个 主要 的作用 因素作 为 因素论域集 ， 各 因素集 又 分 为子 因素 集 ， 见表 输 出因 素 的选取 对 于 金 属 矿 山 ， 由于 岩 石 岩 性 坚 而 脆 ， 所 以 移 动 角与崩落 角 的差 别 较 小 ， 只 相 差 一 “ ‘ ， 根 表 地 下 开 采岩 层 移动选取 影响 因素及 其 变化范 围 口 地 表 相 对 高 差 上 盘 围岩 指标 下 盘 围岩 指 标 侧 压 力 系 数 矿 体 埋 开 采深 采场 长 跨 比 矿 体 形态 时 深 度 矿 体倾 角 开采跨 度 单一 较单一 复杂 较 复杂 很复杂 收稿 日期 一 刁 王 艳辉 男 ， 岁 ， 博士 研 究生 年 国家安全 生 产 监 督 管理 局 重 点科技攻关项 目 据本 次矿 山岩层 与岩层 移动 的调 查 结果 ， 选 取矿 体上 、 下 盘 的移 动 角为岩层 输 出指 标 上 、 下 盘移 DOI ：10．13374／j ．issn1001－053x．2003．02．003

VoL.25 No.2 王艳辉等：基于人工神经网络的地下矿山岩层移动研究 107· 动角范围为40-85°. 矿体其值为0.5，复杂矿体其值为0.7，较复杂矿体 其值为0.9，非常复杂矿体其值为1.0. 2样本的选取及数据处理 由隶属函数()，可给出地形参数、岩体稳定 性分类参数等模糊关系参数k,1,在此不再赘述. 2.1输入因素与输出因素的量化处理 (2)输出因素隶属度的确定. 在BP网络中，传递函数一般为(0,1)的S型 采用升半梯形分布函数，如： 函数，即)=中函数，输出层的函数为线性微 0 x≤a1 活函数.由于输入层的输入值在(0,1)区间，其输 4(X0= x-a a1<t≤4 (6) 出范围也应在(0,1)区间，但是在用神经网络模 a2-a1 a:<x 型对岩土工程问题进行分析时发现实际收集到 此处，a1=40,2=85,则式(6)为： 的各种数据无法完全落在该范围内.由于岩层移 0 x≤40 动是一个多因素、多机理相互影响和相互作用的 4)= x-40 85-40 40<x≤85 (7) 庞大复杂的非线性系统，且其受工程地质条件、 岩体结构特征、岩体力学性质以及采矿方法等环 1 85<x 境因素的影响，有许多信息无法用定量的形式来 2.2神经网络的学习样本 表述而只能用定性的形式来说明.这就使得收集 为了获取学习样本，对国内外11个无底柱分 到的数据与网络模型算法要求的数据不一致，致 段崩落法矿山进行了地表移动调查m,根据调查 使学习样本无法输入到网络模型中去，达不到学 结果表，选取24组样本.对相应样本的输入和输 出因素按实际情况进行定量化.根据所在级别进 习与预测的目的. 为了合理确定学习样本中的某一确定值，将 行数据的模糊处理.例如对于某一样本，矿体倾 其确定在(0,1)范围内，这里采用模糊数学中的 角为25°，属于21<a<40这个范围，相应的k,t值 分别为30.5和11.41064.将x=25和此时的k,t值分 隶属度加以量化处理， (1)输入因素隶属度的确定 别带入式(1)则可求出其隶属度4(0为0.792684， 采用正态分布函数来表示隶属函数，即 而其他范围内的倾角值均按0.1进行处理，则该 C-exp 样本的矿体倾角输入因素为0.1,0.792684,0.1， (1) 0.1,0.1.其他因素的处理与此相同. 其中，k,1为待定参数，可由下式确定 4X)=1 (2) 3网络参数设计及训练结果分析 4X)=4X)=0.5 (3) 3.1网络参数设计 式中，Xm,X,X分别表示X中值、上限值、下限值. l989年，Robert Hecht-Nielson证明了对于任 若某因素在某类别中具有一个中介值时，中 何在闭区间内的一个连续函数都可以用一个隐 介处的模糊度值仍取得最大值，即4(X)=0.5或 层的BP网络来逼近，因而用一个三层的BP网络 (X)=0.5;但若仅具有上限（或下限）时，其隶属 可以完成任意的n维到m维的映照.因此，采用 度的最大值将发生在小于上限（或大于下限）值 三层或更多层的网络结构在理论上均可实现，但 的k处，且在小于上限（或大于下限）值的k处的 是，用三层具有Sigmoid非线性神经元的BP神经 隶属度恒取为1，故隶属函数： 网络学习算法收敛速度很慢，通常需要上干次或 对仅具有上限时， 更多的迭代次数.误差精度的提高有两种途径： x<k 40= -(x-k (4) 一是增加隐含层的层数：二是增加隐含层节点个 exp x≥k 数.综合以上因素，本文采用具有两个隐层的BP 对仅具有下限时， 神经网络，. -(x-k) exp x≤k (1)输入层与输出层节点的确定， 4X0= (5) 1 x>k 输入层节点与输出层节点的个数往往是由 对于矿体形态因素，根据调查结果，对其进 具体问题决定的.本文中，影响岩层和地表移动 行定性处理，即对于单一矿体其值为03，较单一 的因素共有10个，而10个因素中又共有44个级

王 艳 辉 等 基 于 人 工 神 经 网 络 的地 下 矿 山岩 层 移 动 研 究 动 角 范 围 为 一 “ 样本 的选 取 及 数 据 处 理 输 入 因 素 与输 出 因 素 的 量 化处 理 在 网络 中 ， 传 递 函 数 一 般 为 ， 的 型 函数 ， 。 卜 命 函 数 ， 输 出层 的 函 数 为 线 性 激 活 函数 由于 输 入层 的输 入 值 在 ， 区 间 ， 其 输 出范 围也 应 在 ， 区 间 ， 但 是在 用 神 经 网络 模 型 对 岩 土 工 程 问题 进 行 分 析 时 发 现 实 际 收 集 到 的各 种 数据 无 法 完 全 落 在 该 范 围 内 由于 岩 层 移 动 是 一个 多 因素 、 多机 理 相 互 影 响和 相 互 作用 的 庞 大 复 杂 的非 线性 系统 ， 且 其 受 工 程 地 质 条件 、 岩体 结构特 征 、 岩 体 力 学性 质 以及 采矿 方 法 等环 境 因素 的影 响 ， 有 许 多信 息 无 法 用 定量 的形 式来 表述 而 只 能用 定性 的形 式 来 说 明 这 就 使 得 收集 到 的数据 与 网络模 型算 法 要 求 的数 据 不 一 致 ， 致 使 学 习 样 本 无 法 输 入 到 网络模 型 中去 ， 达 不 到 学 习 与 预 测 的 目的 为 了合 理 确 定 学 习样 本 中 的某 一确 定值 ， 将 其 确 定 在 ， 范 围 内 ， 这 里 采用 模 糊 数 学 中的 隶 属 度 加 以量 化 处 理 输 入 因 素 隶 属 度 的确 定 〔 采 用 正 态 分 布 函 数 来表 示 隶 属 函数 ， 即 矿 体 其 值 为 ， 复杂矿 体 其 值 为 ， 较 复 杂矿 体 其 值 为 ， 非 常 复 杂 矿 体其 值 为 由隶 属 函 数产闭 ， 可 给 出地 形 参数 、 岩 体稳 定 性 分 类 参 数 等 模 糊 关 系 参 数， ， 在 此 不 再 赘 述 输 出 因 素 隶 属 度 的确 定 『 采 用 升 半梯 形 分 布 函 数 ， 如 三 沈三 口 成尤 一口 召因 一 此 处 ， ， ， 场 ， 则 式 为 ” 了 ， 一 娜 ’ 一 即骊 义 喊尤三 沈 ， ， 一 。 怀 一 了一 神 经 网络 的 学 习 样 本 为 了获 取 学 习 样 本 ， 对 国 内外 个 无底 柱 分 段 崩 落 法 矿 山进 行 了地 表 移 动 调 查 ‘ ，， 根 据 调 查 结 果 表 ， 选 取 组 样 本 对 相 应 样 本 的输 入 和 输 出 因素 按 实 际情 况进 行 定量 化 根 据 所 在 级 别进 行 数 据 的模 糊 处 理 例 如 对 于 某 一 样 本 ， 矿 体 倾 角 为 ， 属 于 这 个 范 围 ， 相 应 的 ， 值 分 别 为 和 将 和 此 时 的， 值 分 别 带 入 式 则 可 求 出其 隶 属 度产闭为 ， 而 其 他 范 围 内的倾 角 值 均 按 进 行 处 理 则 该 样 本 的矿 体 倾 角输 入 因 素 为 ， ， ， ， 其 他 因 素 的处 理 与此 相 同 ， 其 中 ， ， 为待 定 参数 ， 可 由下 式 确 定 召 弋 产 赵 式 中 ， ， 兀 ， 分 别 表 示 中值 、 上 限值 、 下 限值 若 某 因素在某类 别 中具 有 一 个 中介值 时 ， 中 介 处 的模 糊 度 值 仍 取 得 最 大 值 ， 即产 或 召 但 若 仅 具 有 上 限 或 下 限 时 ， 其 隶 属 度 的最 大值将 发 生 在 小 于 上 限 或 大 于 下 限 值 的 处 ， 且 在 小 于 上 限 或 大 于 下 限 值 的 处 的 隶 属 度 恒 取 为 ， 故 隶 属 函 数 对 仅 具 有 上 限 时 ， 「 尸闭 卜 一 一几了一 对 仅 具 有 下 限 时 ， 【一 一 ，， 豹 一 万一 一 户， 、 钾 ‘ ， 之 三 对 于矿 体 形 态 因 素 ， 根据 调 查 结 果 ， 对 其 进 行 定性 处 理 ， 即对 于 单 一 矿 体 其值 为 ， 较 单 一 网络 参数 设 计 及 训 练 结 果 分 析 网 络 参数 设 计 年 ， 一 证 明 了对 于 任 何 在 闭 区 间 内 的 一 个 连 续 函 数 都 可 以用 一 个 隐 层 的 网络 来 逼 近 ， 因而 用 一 个 三 层 的 网络 可 以完成 任 意 的 维 到 维 的映 照 ‘ 因此 ， 采 用 三 层 或 更 多层 的 网络 结 构在 理 论 上 均 可 实现 但 是 ， 用 三 层 具 有 非 线性 神经 元 的 神经 网 络 学 习 算法 收 敛速 度 很 慢 ， 通 常 需 要 上 千 次或 更 多 的迭 代 次 数 误 差 精 度 的提 高 有 两 种 途 径 一 是 增 加 隐含 层 的层 数 二 是增 加 隐含 层 节 点个 数 综 合 以上 因 素 ， 本 文采 用 具 有 两 个 隐层 的 神 经 网络 「‘ ，，」 输 入 层 与输 出层 节 点 的确 定 输入 层 节 点 与 输 出层 节 点 的个 数 往 往 是 由 具 体 问题 决 定 的 本 文 中 ， 影 响 岩 层 和 地 表 移 动 的 因 素共 有 个 ， 而 个 因 素 中又 共 有 个 级

·108- 北京科技大学学报 2003年第2期 别，从而确定输入层的节点为44个；又由于这些 0.025 分级指标决定一个输出结果一岩层的上下盘 0.020 移动角，所以输出层节点为2个 0.015 骆 0.010 (2)隐层节点的确定， 0.005 对于隐层单元数的选择是一个十分复杂的 0 问题，它与问题的要求、输入和输出单元的多少 10002000300040005000 都有直接关系，隐单元数太少，网络不能训练出 训练步骤/次 图2学习样本平均误差曲线 来，或网络不“强壮”，不能识别以前没有看到的 Fig.2 Average error curve of learning samples 样本，容错性差：隐单元数太多又使学习时间过 长，误差也不一定最小，因此存在一个最佳的隐 4结论 单元数，对于如何确定最佳隐单元数的个数，实 际应用中要通过试算靠经验选取，本文最佳节点 地下金属矿山岩层移动的影响因素复杂多 数将采用下面的公式选取： 变，而且具有很大的模糊性，用其他方法来研究 L=√m+tc (8) 岩层移动范围存在很大的困难.神经网络方法恰 式中，m为输入节点数，n为输出节点数，c为介于 好能解决这一问题.这种方法不仅能够对信息进 110的常数.这里m=44,n=2,经过多次对比训 行并行处理，而且具有存储记忆联想性和通过模 练选取c=8,所以L,=15:c2=3,所以L2=10. 型训练获取判断识别模糊性知识的能力，本文选 (3)初始权值的确定.取初始权值为(-1,1) 取了影响地表移动的10个主要因素作为BP神 区间的随机数. 经网络预测的输入因素，用模糊数学方法将输入 (4)学习速率的确定.学习速率决定每一次 因素的值转化为(0,1)之间的数值，由网络训练 循环训练中所产生的权值变化量.大的学习速率 结果可知，选取的各因素之间与岩层的移动角之 可能导致系统的不稳定：小的学习速率会导致训 间存在着较强的非线性规律，移动角的大小与上 练时间较长，收敛速度较慢，不过能保证网络的 述因素有着密切的联系，从理论上证明了可以预 误差值不跳出误差表面的低谷而最终趋于最小 测由于开挖引起的岩层和地表移动范围问题，其 误差值，所以一般选取小的学习速率，选取范围 准确程度关键在于参数选取的合理与否， 在0.010.80之间，本文取学习速率为02. 但是，神经网络方法也有一些不足，主要体 (5)期望误差的确定.期望误差值是通过对 现在隐层层数及隐节点数目的确定、矛盾样本的 不同期望误差网络的对比训练来选取的，本文经 处理、学习速率的选择等方面，这些问题有待进 过多次对比训练，选取期望单个样本误差为01， 一步解决。 期望系统平均误差为0.01. 32网络训练结果及分析 参考文献 当网络训练学习到5306步时，满足系统所 1李彰明.模糊分析在边坡稳定性评价中的应用J 设的误差要求.图1所示学习样本单个误差曲线 岩石力学与工程学报，1997,16(5)：490 图，图2是学习样本平均误差曲线图 2 Vanmarcke E H.Probabibistic modeling of soil profiles [J].ASCE J Geotech Eng Div,1977,103(11):1227 3董学晟。工程岩体分级标准的研究).长江科学院 0.008 院报，1992,9(4)：1 0.007 期0.006 4 Schuster R L.Landslides Anlaysis and Control [M]. 0.005 部科学院研究院西北研究所译，北京：中国铁道出 版社，1987 0.004 0.003 5谭学术，鲜学福，郑道访，等，复合岩体力学理论及 03691215182124 其应用M).煤炭工业出版社，1994.312 学习样本/个 6王艳辉.地下动态开挖地表移动机理及智能预测系 图1学习样本单个误差曲线 统研究[D].北京：北京科技大学，2003 Fig.1 Single error curve of learning samples 7王艳辉，宋卫东，蔡嗣经.地下金属矿山崩落采矿法 岩层移动规律分析[].金属矿山，2000(3)少：13

北 京 科 技 大 学 学 报 年 第 期 别 ， 从 而确 定输 入 层 的节点 为 个 又 由于 这 些 分 级 指 标 决 定 一 个 输 出结 果－ 岩 层 的上 下 盘 移动 角 ， 所 以输 出层 节 点 为 个 隐层 节 点 的确 定 对 于 隐层 单元 数 的选 择 是 一 个 十 分 复 杂 的 问题 ， 它 与 问题 的要 求 、 输 入 和 输 出单 元 的多少 都 有 直接 关 系 隐 单 元 数太 少 ， 网络 不 能训 练 出 来 ， 或 网络 不 “ 强 壮 ” ， 不 能识 别 以前 没 有 看 到 的 样 本 ， 容错 性 差 隐单 元数 太 多又 使 学 习 时 间过 长 ， 误 差 也 不 一 定 最 小 ， 因此 存 在一 个最 佳 的 隐 单 元 数 对 于 如 何 确 定最 佳 隐单 元 数 的个 数 ， 实 际应用 中要通 过试 算靠 经验选 取 本文 最 佳节 点 数将采 用 下 面 的公 式选 取 五 而而 十。 式 中 ， 为输 入 节 点数 ， 为输 出节 点数 ， 为介 于 一 的常 数 这 里 ， ， 经 过 多 次对 比训 练选 取 ， 所 以 ， ， 所 以 初 始 权值 的确定 取 初始权 值为 一 ， 区 间 的随机 数 学 习 速 率 的确 定 学 习速 率 决定每 一 次 循环 训练 中所 产 生 的权值变化 量 大 的学 习 速 率 可 能 导致 系统 的不稳 定 小 的学 习速 率会 导致训 练 时 间较 长 ， 收敛 速 度 较 慢 ， 不过 能保证 网络 的 误 差 值 不 跳 出误 差 表 面 的低 谷 而 最 终趋 于 最 小 误 差值 所 以一 般选 取 小 的学 习速 率 ， 选 取 范 围 在 一 之 间 ， 本 文 取 学 习 速 率 为 期 望 误 差 的确 定 期 望 误 差 值 是通 过 对 不 同期望 误 差 网络 的对 比训练来选 取 的 本文 经 过 多次对 比训 练 ， 选 取 期望 单个样本误 差 为 ， 期 望 系统 平 均误 差 为 网络 训 练 结 果及 分 析 当 网络 训 练学习 到 步 时 ， 满 足 系 统 所 设 的误差 要 求 图 所 示 学 习 样 本 单 个 误 差 曲线 图 图 是 学 习 样 本 平 均 误 差 曲线 图 绷 哆 训 练 步骤 次 图 学 习样本 平 均 误 差 曲线 扭 川 绷 岑 入外 人 学 习样本 个 图 学 习 样 本单个误 差 曲线 结 论 地 下 金 属 矿 山岩 层 移 动 的 影 响 因 素 复 杂 多 变 ， 而 且 具 有 很 大 的模 糊性 ， 用 其 他 方 法 来研 究 岩层 移 动范 围存在很 大 的 困难 神经 网络 方法恰 好 能解 决这 一 问题 这 种 方 法 不 仅 能够对 信 息进 行 并行 处 理 ， 而且 具有存储 记 忆 联想 性和 通过 模 型训 练获取 判 断识 别模糊 性 知 识 的能力 本文选 取 了影 响 地 表 移动 的 个 主 要 因 素 作 为 神 经 网络 预测 的输入 因素 ， 用 模糊 数学 方 法将输 入 因素 的值转 化 为 ， 之 间 的数 值 由网络 训 练 结 果可 知 ， 选 取 的各 因素 之 间与岩 层 的移 动 角之 间存在着较 强 的非 线性规 律 ， 移动 角 的大 小 与 上 述 因素有着密 切 的联系 ， 从 理 论 上 证 明 了可 以预 测 由于 开挖 引起 的岩层和 地表 移动 范 围 问题 ， 其 准 确 程 度 关键 在于 参 数选 取 的合 理 与 否 但 是 ， 神 经 网络 方 法 也 有 一 些 不 足 ， 主 要 体 现 在 隐层 层 数 及 隐节 点数 目的确 定 、 矛盾 样 本 的 处 理 、 学 习速 率 的选 择 等方 面 ， 这 些 问题 有 待进 一 步解 决 参 考 文 献 李 彰 明 模糊 分 析在 边坡稳 定 性评 价 中的应 用 岩石 力学与 工 程学报 ， ， 、 恤 山 ， ， 董 学晨 工 程 岩体 分级 标准 的研 究 长 江 科 学 院 院报 ， ， 盯 【 铁道 部科学 院研 究 院西 北 研 究所 译 北 京 中国铁 道 出 版社 ， 谭学术 ， 鲜学福 ， 郑 道 访 ， 等 复合岩体力学 理 论 及 其应 用「』煤炭工 业 出版 社 ， 王 艳辉 地下 动 态 开挖地表 移 动 机理 及智能预测 系 统研 究 北 京 北 京科 技 大学 ， 王 艳 辉 ， 宋卫 东 ， 蔡 嗣经 地下 金 属矿 山崩 落采矿法 岩层 移 动 规 律分 析 金 属 矿 山

Vol.25 No.2 王艳辉等：基于人工神经网络的地下矿山岩层移动研究 ·109· 8 Hechi Nielsen R.Theory of the back propagation neural eling of material behavior with neural networks [J].Jour- network [J].Proc of IJCNN,1989,1:593 nal of Engineering Mechanics Division,ASCE,1991,117 9 Ghaboussi J,Garret J H Jr,Wu X.Knowledge-based mod- (1):132 Research on Strata Movement in Underground Metal Mines Based on the Artificial Neural Network WANG Yanhui,CAl Sijing,SONG Weidong Civil and Environment Engineering School,University of Science and Technology Beijing,Beijing 100083,China ABSTRACT A prediction method of strata movement in underground metal mines is put forward in which the artificial neural network is applied,and selected factors influencing strata movement are dealt with by the fuzzy ma- thematic method.The results show that there is a strong nonlinear linking between the factors and strata movement angle,and the numerical value of movement angle has much in connection with the factors.It is proved that the scope of strata and surface movement due to mining can be predicted in theory. KEY WORDS artificial neural network;strata movement;subordinate degree Application of annexation principle to the study of thermodynamic properties of Ag-Bi-In metallic melts Jian Zhang Metallurgy school,University of Science and Technology Beijing,Beijing 100083,China ABSTRACT Based on the measured activities,the phase diagrams and the annexation principle,the calculating models of mass action concentrations for Ag-Bi and Ag-Bi-In melts have been formulated.The calculated results agree with practice and obey the mass action law,showing that the models formulated can reflect the structural char- acteristics of both melts.Meanwhile,it confirms that annexation principle is applicable to the Ag-Bi-In metallic mel- ts.The melts involving eutectic which give rise to phase separation,and in which activities exhibit positive deviation from Raoult's law is the basic cause of melts transforming from homogeneous to heterogeneous ones. KEY WORDS the mass action law;annexation principle;two phase melts;activity,mass action;concentration [Journal of University of Science and Technology Beijing(English Edition),2001,8(1):18]

王 艳 辉 等 基 于 人 工 神 经 网络 的地 下 矿 山岩 层 移 动 研 究 ， ， ， ， 们 一 ， ， ， 恻刀 ， ’ 刀 肠 飞 ， ， ， 叭 ， ， 们。 即 勿 一 一 介“ ， ， ， ， ， 一 一 一 认、 ， 一 一 ， ， ， 印 邵 夕 ” 石 ，