基于RBF神經網絡方法的鈾尾礦壩失穩(wěn)預報分析研究

趙 然，郭 贊

(南華大學 環(huán)境保護與安全工程學院，湖南 衡陽 421001)

?

基于RBF神經網絡方法的鈾尾礦壩失穩(wěn)預報分析研究

趙 然，郭 贊

(南華大學 環(huán)境保護與安全工程學院，湖南 衡陽 421001)

指出了尾礦壩是礦產業(yè)設施的重要組成部分，尾礦壩的安全穩(wěn)定運行對選礦廠的生產起著非常重要的作用，所以，對尾礦壩進行穩(wěn)定性監(jiān)測是非常必要的。針對尾礦壩的庫水位，應用RBF神經網絡算法對樣本數據進行預測并且與實際值進行了對比，符合程度很好，說明預測值與實際值十分接近，誤差很小；同時，此次網絡訓練經多次迭代運算，誤差曲線收斂于目標值，效果良好。綜上說明，此次訓練效果良好，可以用于預測其他參數。預測結果表明：庫水位高程誤差在0.001 m內，屬于合理范圍，尾礦庫的庫水位處于安全狀態(tài)，風險較低。

壩體穩(wěn)定性；RBF神經網絡；鈾尾礦壩；庫水位

1　引言

當前，國內外一些專家學者對于尾礦壩有一些深入的研究?；诖?，筆者總結了國內外尾礦庫事故的經驗教訓，論述了尾礦庫的安全現狀及其危害性，列舉了國內外重特大尾礦庫潰壩災害的案例，并對典型案例發(fā)生的原因進行了一些簡要的分析，指出了尾礦庫的安全在線監(jiān)測對于把握好尾礦庫的安全現狀，加強尾礦庫的安全監(jiān)管，減少尾礦庫的事故發(fā)生等具有重要的意義。

尾礦庫的事故，通常是由于監(jiān)測預警運行維護不到位或者尾礦庫自身缺陷所致。一旦尾礦壩失事，造成的傷害是難以估量的。因此，加強尾礦庫穩(wěn)定性的研究，這是值得引起廣大科研學者和企業(yè)管理人員的高度重視。本文就采用了RBF神經網絡的方法，試圖建立一個鈾尾礦壩的失穩(wěn)預報專家模型，對鈾尾礦壩進行實時穩(wěn)定性預報，并提出合理應對措施，對于減少鈾尾礦壩的事故發(fā)生，確保人民群眾生命財產安全和社會環(huán)境安全都具有極其重要的現實意義。

2　RBF神經網絡方法的主要原理

徑向基函數神經網絡(Radial Basis Function Neural Network，縮寫RBF)是一種使用頻繁的三層前饋型網絡，不僅可以在函數逼近方面可以運用，模式分類也可以運用。較于別的類型人工神經網絡，RBF網絡有生理學基礎、優(yōu)良的逼近性能、結構簡單、學習速度快等特點。

徑向基函數屬于數值分析的探究領域，在某些程度上運用了多維空間的傳統(tǒng)嚴格插值的結果。多變量嚴格插值的問題，需要插值必須通過全部的訓練數據點，用數學語言描述如下：

設定一個含有N個不同的點的集合{xi∈Rn|i=1,2,…,N}以及相應的N個實數的集合{yi∈R1|i=1,2,…,N}，找尋一個函數F：RN→R1滿足下列插值條件式為：

F(x)=yi,i=1,2,…,N

(1)

在RBF方法中，函數F具有如下形式：

(2)

(2)式中{φ(‖x-xi‖)|i=1,2,…,N}是一個含有N個隨便的徑向基函數的集合，‖·‖表示范數，一般為歐式范數，xi∈RN，為訓練數據，作為徑向基函數的中心。

把(1)式代入(2)式，得到關于權值的齊次線性等式

(3)

φji=φ(‖xj-xi‖),j,i=1,2,…,N

(4)

令y=[y1,y2,…,yN]T，表示期望輸出向量；w=[w1,w2,…,wN]T，表示連接權值向量；φ=[φji|j,i=1,2,…,N]，表示插值矩陣。式(3)可以寫成：

φw=y

(5)

如果φ∈RN*N可逆，可以解出權向量w，表示為：

w=φ-1y

(6)

(1)Gaussian函數：

(7)

(2) 多二次函數：

φ(r)=(r2+c2)1/2,c>0,r∈R

(8)

(3) 逆多二次函數：

(9)

3　某鈾尾礦壩的工程概況

某鈾尾礦壩位于我國南部某省的A市某鄉(xiāng)境內，距離市區(qū)15 km。該壩地處B河流的上游，其南、西、北均被該河流包圍，北距該河流約2 km，南距該河流約3 km，西距該河流約5 km。東面3 km處有某大鐵路與某國道通過。尾礦庫東偏北1.5 km處是某大型工廠，東北方向約2 km是該庫廠區(qū)的生活區(qū)。尾礦庫位于水冶廠區(qū)以南約800 m的丘陵山谷中。庫區(qū)為丘陵地貌，地形高差變化不大，比高20～30 m，最高的一個山頭僅只40 m左右。尾礦庫建在一條南北向，兩端開口的山溝內。北端建初期壩，壩高12 m，壩頂標高82 m，南端建攔水壩，壩高17 m，壩頂標高83 m。

4　監(jiān)測點的測量與分析

根據整個壩體的9個不同壩段，選定了51個監(jiān)測點，從2013年9月開始至2014年5月，每月對該51個監(jiān)測點進行一次水位測量，得到一個整體的系列數據，再運用MATLAB軟件的神經網絡工具箱進行編程，MATLAB是一個可以搭載解釋性語言，可以運用工程性的計算機語言來提供各種矩陣的計算，并有強大的處理信息的功能。它還有較強的開放性和作圖功能，可以使分析結果以圖表的形式表達出來。其中神經網絡工具箱可以為本文編制的數據進行訓練和仿真，給出動態(tài)的過程和可視化的訓練工作，可以及時發(fā)現并解決問題。

采用MATLABR2010b版本的運行環(huán)境進行編程，經過神經網絡多次訓練后，訓練結果較好，輸入參數即可得出就能得出此段的高程差的預測值，訓練樣本預測值與實測值如圖1和圖2所示。

圖1　網絡模型預測誤差曲線

由以上兩圖可知，應用RBF神經網絡算法對樣本數據進行預測并且與實際值進行對比，符合程度很好，說明預測值與實際值十分接近，誤差很?。煌瑫r，此次網絡訓練經多次迭代運算，誤差曲線收斂于目標值，效果良好。綜上說明，此次訓練效果良好，可以用于預測其他參數。預測結果表明，庫水位高程誤差在0.001 m內，屬于合理范圍，尾礦庫的庫水位處于安全狀態(tài)，風險較低。

圖2　RBF網絡模型輸出預測曲線

5　結語

本文以鈾尾礦壩為研究對象，結合目前我國在這方面的研究，并根據實際情況對某鈾尾礦壩進行分析。通過RBF神經網絡在MATLAB中的實現，訓練樣本，最后得出了樣本的預測值，同時對待評價處進行了預測，得出預測結果在可接受風險范圍之內。綜上結論，該尾礦壩風險較低，也說明了通過科學的預測方法得出了具有建設結論。

但是本文只對有限的因素進行了研究，而實際情況非常復雜，缺少野外的現場經驗實測，對于確定的評價指標體系過于理想化，在數值模擬過程中也沒有全面考慮各方面可能帶來的影響。在最后的預測中，預測值和實測值的誤差雖然在允許的范圍內，但對于最后結論還是沒有達到預期的目標，日后應結合具體實例不斷完善。

[1]王國華,段希祥,廟延鋼，等. 國內外尾礦庫事故及經驗教訓[J]. 科技資訊,2008(1):23～24.

[2]李青石,李庶林,陳際經. 試論尾礦庫安全監(jiān)測的現狀及前景[J]. 中國地質災害與防治學報,2011(1):99～106.

[3]王利崗,張達. 在線監(jiān)測系統(tǒng)在胡家峪銅礦尾礦庫的應用[J]. 礦冶,2012(2):71～75.

[4]歐陽振華. 尾礦庫壩體穩(wěn)定性在線監(jiān)測系統(tǒng)研究[J]. 金屬礦山,2011(7):127～130.

[5]胡軍,胡珊. 尾礦壩自動化安全監(jiān)測系統(tǒng)設計與實現[J]. 礦業(yè)研究與開發(fā),2010(2):90～93.

[6]李忠奎,廖國禮. 尾礦庫潰壩監(jiān)測預警系統(tǒng)設計研究[J]. 有色金屬(礦山部分),2008(6):33～35.

[7]于廣明,宋傳旺,潘永戰(zhàn)，等. 尾礦壩安全研究的國外新進展及我國的現狀和發(fā)展態(tài)勢[J]. 巖石力學與工程學報,2014(S1):3238～3248.

[8]呂方可,劉永,郭贊,等. 基于RBF神經網絡方法的鈾尾礦壩穩(wěn)定性分析[J]. 綠色科技,2015(2):225～227.

[9]宋志飛,王群,趙雪芳,等. 某尾礦壩穩(wěn)定性數值分析[J]. 工業(yè)安全與環(huán)保,2015(1):40～43，47.

[10]Rico M,Benito G,Salgueiro A R. Reported tailings dam failures,A review of the European incidents in the worldwide context[J],Journal of Hazardous Materials 2008(152):846～852.

[11]Salgueiro A R, Pereira H G, Maria-Teresa R. Application of correspondence analysis in the assessment of mine tailings dam breakage risk in the mediterranean region[J], Risk Analysis, 2008,28(1):13～23.

[12]Sum H L, Yao W X. The basic properties of some typical systems’ reliability in interval form[J]. Structural Safety, 2008,30(4):364～373.

[13]飛思科技產品研發(fā)中心.神經網絡理論與MATLAB7實現[M].北京：電子工業(yè)出版社，2005：25～230.

2016-05-14

湖南省研究生科研創(chuàng)新項目資助(編號：2014SCX04)

趙然(1989—)，女，南華大學環(huán)境保護與安全工程學院碩士研究生。

TV649

A

1674-9944(2016)14-0051-02