基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的尾礦庫邊坡穩(wěn)定性預(yù)測

王蒙　王斌　王飛

摘 要：針對BP神經(jīng)網(wǎng)絡(luò)具有收斂速度慢以及極值容易陷入局部最小的劣勢，提出使用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進行改進，優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，并將改進的算法應(yīng)用于尾礦庫邊坡穩(wěn)定性預(yù)測中.算例仿真結(jié)果表明，所提算法對尾礦庫邊坡穩(wěn)定性預(yù)測具有較高的精確度.

關(guān)鍵詞：遺傳算法;BP神經(jīng)網(wǎng)絡(luò);尾礦庫邊坡

中圖分類號：TP274? 文獻標識碼：A? 文章編號：1673-260X（2019）11-0113-03

目前，我國是全球最主要的礦業(yè)大國之一，據(jù)有效數(shù)據(jù)統(tǒng)計，我國礦山尾礦庫數(shù)量約為12000座，其中，具有不穩(wěn)定安全隱患的數(shù)量占37%.尾礦庫邊坡是尾礦庫的重要組成部分，其穩(wěn)定性也決定了尾礦庫的安全性能.對尾礦庫邊坡穩(wěn)定性進行分析和預(yù)測成為現(xiàn)階段研究的熱點問題[1].由于尾礦庫邊坡具有復(fù)雜性及非線性的特點，同時又會受到自然因素、工程因素及運行變化的影響，因此，對尾礦庫邊坡各影響因素進行處理是進行尾礦庫邊坡穩(wěn)定性預(yù)測需要解決的重要問題.

文獻[2]作者將灰色理論引入到尾礦庫邊坡穩(wěn)定性預(yù)測中，進行基于灰色模型的邊坡中期預(yù)測.文獻[3]考慮了尾礦庫邊坡各影響因素的作用，提出了基于Verhulst灰色理論的邊坡穩(wěn)定性的預(yù)測模型.由于尾礦庫邊坡各影響因素具有較大的隨機性和不確定性，因此，傳統(tǒng)的預(yù)測方法精確度不夠高.BP神經(jīng)網(wǎng)絡(luò)是做智能化計算及分析應(yīng)用比較廣泛的一種智能算法，具備線性處理能力，可以很好地擬合非線性系統(tǒng)，適合應(yīng)用在尾礦庫邊坡穩(wěn)定性預(yù)測和分析中.因此，本文考慮采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建尾礦庫邊坡穩(wěn)定性預(yù)測模型，進行尾礦庫邊坡穩(wěn)定性預(yù)測和分析.由于BP神經(jīng)網(wǎng)絡(luò)具有收斂速度慢以及極值容易陷入局部最小的劣勢，提出使用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進行改進，通過實例仿真測試，驗證了所提算法的有效性.

1 基于BP神經(jīng)網(wǎng)絡(luò)的尾礦庫邊坡穩(wěn)定性預(yù)測

1.1 BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)中的一種，其具有3層或者三層以上的誤差反向傳播網(wǎng)絡(luò).BP神經(jīng)網(wǎng)絡(luò)的組成一般包括三個部分：輸入層、隱含層和輸出層.輸入信號從輸入層輸入，經(jīng)隱含層處理后往輸出層進行前向傳播，誤差信號則進行反向傳遞.其結(jié)構(gòu)圖如圖1所示.

1.2 BP神經(jīng)網(wǎng)絡(luò)尾礦庫邊坡穩(wěn)定性預(yù)測模型構(gòu)建

1.2.1 輸入輸出樣本的選擇

基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建為尾礦庫邊坡穩(wěn)定性預(yù)測模型，首先要確定BP神經(jīng)網(wǎng)絡(luò)模型中輸入層和輸出層的節(jié)點個數(shù).對于輸入向量來說，其選擇的基本要求是樣本變量更容易提取，同時樣本變量對輸出目標的影響更大，進一步地，樣本變量之間應(yīng)具有更小的相關(guān)性.對尾礦庫邊坡來說，應(yīng)選擇提取容易并且對邊坡穩(wěn)定性影響較大的樣本數(shù)據(jù).本文基于文獻[4]數(shù)據(jù)，選擇了影響尾礦庫邊坡穩(wěn)定的6個輸入樣本值為：孔隙水壓力、滲水流量、尾礦庫邊坡變形、尾礦庫水位、邊坡傾角、累積降雨量.

輸出向量選擇的是邊坡穩(wěn)定和不穩(wěn)定兩種狀態(tài)，將這兩種狀態(tài)進行編碼，用1表示穩(wěn)定狀態(tài)，0表示不穩(wěn)定狀態(tài)[5-6].

1.2.2 模型建立

通過以上對BP神經(jīng)網(wǎng)絡(luò)的輸入和輸出進行分析，確定尾礦庫邊坡穩(wěn)定性預(yù)測的輸入層、隱含層和輸出層節(jié)點數(shù)目，同時確定網(wǎng)絡(luò)結(jié)構(gòu).通過文獻分析和實驗，隱含層節(jié)點數(shù)目采用下式進行求得.

l<■+a? （1）

其中，l為隱含層節(jié)點個數(shù)，m，n分別是輸出層和輸入層神經(jīng)元節(jié)點個數(shù)，a取0-10中的任意常數(shù).本文設(shè)計尾礦庫邊坡穩(wěn)定性BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示.

2 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

遺傳算法是一種隨機全局自適應(yīng)優(yōu)化算法，遺傳算法的實質(zhì)是通過群體搜索技術(shù)，根據(jù)適者生存的原則選擇優(yōu)良個體、被選出的優(yōu)良個體兩兩配對，通過隨機交叉其染色體的基因并隨機變異某些染色體的基因生成下一代群體按照此方法使群體逐代進化，直到滿足進化終止條件，最終得到最優(yōu)解或準最優(yōu)解.

Step1：初始化種群.隨機生成含M個個體的初始種群，個體的編碼方式選用實數(shù)編碼，個體包含了BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值.編碼長度為：

L=L1×L2+L2×L3+L1+L2+L3? ?（2）

其中，L1，L2，L3為輸入層、隱含層和輸出層節(jié)點數(shù).

Step2：適應(yīng)度函數(shù)設(shè)計.本文以尾礦庫邊坡穩(wěn)定性的預(yù)測值與期望輸出值誤差函數(shù)的倒數(shù)作為適應(yīng)度函數(shù).

Step3：選擇.采用輪盤賭法選擇下一代個體.

Step4：交叉和變異操作.最優(yōu)個體沒有進行交叉操作，而是直接復(fù)制進入到下一代.對于其他個體，則使用交叉概率對2個體進行交叉操作，產(chǎn)生另外2個新的個體.同樣，最優(yōu)個體也沒有進行變異操作，而是直接復(fù)制到下一代.對于其他的個體，則是用變異概率進行變異操作，產(chǎn)生出另外新的個體.

Step5：循環(huán)執(zhí)行Step2-Step4，得到最優(yōu)個體分解為BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值，以此作為BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的初始權(quán)值和閾值.

Step6：輸出結(jié)果.

3 算例仿真

在MATLAB7.1環(huán)境下，建立遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的尾礦庫邊坡穩(wěn)定性預(yù)測模型，選擇文獻[4]中的數(shù)據(jù)作為樣本數(shù)據(jù)集.樣本數(shù)據(jù)集如表1所示.

選擇前11組數(shù)據(jù)作為訓(xùn)練樣本，預(yù)測模型的訓(xùn)練目標定為0.0001，網(wǎng)絡(luò)學(xué)習(xí)效率設(shè)置0.1.遺傳算法參數(shù)設(shè)計為：種群規(guī)模設(shè)為15，交叉概率設(shè)為 0.5，變異概率設(shè)為0.06，進化迭代次數(shù)設(shè)為100次.預(yù)測結(jié)果如圖4及表2所示.

由預(yù)測結(jié)果可以看出，BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果誤差較大，而遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果與實際結(jié)果基本相符，誤差較小.

4 結(jié)論

針對尾礦庫邊坡穩(wěn)定性預(yù)測問題，建立了遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，經(jīng)算例驗證，可以得出所提算法具有較高的準確性，具有一定的工程價值.

參考文獻：

〔1〕鄒義懷，江成玉，李春輝.人工神經(jīng)網(wǎng)絡(luò)在邊坡穩(wěn)定性預(yù)測中的應(yīng)用[J].礦冶，2011，20（04）：38-41+55.

〔2〕陳明東，王蘭生.邊坡變形破壞的灰色預(yù)報方法[A].全國第三次工程地質(zhì)大會論文選集（下）[C].成都：成都科技大學(xué)出版社，1988.1226～1240.

〔3〕殷坤龍，晏同珍.滑坡預(yù)測及相關(guān)模型[J].巖石力學(xué)與工程學(xué)報，1996，15（1）：1-8.

〔4〕何鍵.尾礦庫邊坡穩(wěn)定狀況遠程監(jiān)測系統(tǒng)研究與設(shè)計[D].江西理工大學(xué)，2014.

〔5〕鄭銳，楊振宏，潘成林.基于熵技術(shù)的尾礦庫安全模糊綜合評價體系研究[J].中國安全生產(chǎn)科學(xué)技術(shù)，2011，7（06）：107-111.

〔6〕陳建宏，朱鼎耀，陳軼俊，葉阿明，邱文.基于PCA-BP神經(jīng)網(wǎng)絡(luò)的尾礦庫壩體穩(wěn)定性分析[J].黃金科學(xué)技術(shù)，2015，23（05）：47-52.