基于Weibull模型的BP神经网络在黑岱沟露天煤矿爆堆预测中的应用研究.pdf

《基于Weibull模型的BP神经网络在黑岱沟露天煤矿爆堆预测中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、露天采矿技术2012年第5期·27·基于Weibull模型的BP神经网络在黑岱沟露天煤矿爆堆预测中的应用研究李志航，周永利，付相超(神华准格尔能源公司，内蒙古呼和浩特010300)摘要：分析了大量爆破数据，选取了影响爆破效果的主要因子，以Weibul1分布函数为图形形态基础，利用BP神经网络建立了预测模型，对黑岱沟露天煤矿抛掷爆破爆堆进行了模拟预测，取得了预期效果。关键词：抛掷爆破；孔网参~gc；Weibul1分布函数；BP神经网络中图分类号：TD679文献标识码：B文章编号：1671—9816(2012)05—0027—03通过对黑岱沟露天矿爆堆形态的研究，发现大式

2、中：一爆破前台阶岩体密度，kg／m3；多数台阶炮孔爆破条件下，自炮孔至台阶自由面方P一爆破后爆堆密度，kg／m；向上的爆堆剖面线具有Weibull概率分布曲线的基h(x)一爆堆在轴上的高度，In；本特征。因此，我们选择Weibul1分布函数模拟岩石S一爆前台阶岩体的剖面面积，m2；抛掷方向的爆堆剖面形状，研究开发出以Weibullfm一岩块的最远抛距，m。函数为基础，利用BP神经网络进行爆堆模拟预测将式(1)无量纲化，可得：的计算机预测软件。在研究中我们以大量爆破数据，工为基础，通过分析，选取影响爆堆效果的主要因子，IH(X)dX=1(2)经过BP神经网络的反复训练，

3、建立预测模型，对抛掷爆破爆堆进行效果预测。舯击x／~s0击V~s0去、／。’实践证明，基于Weibul1分布函数的BP神经网络可以对抛掷爆破爆堆进行有效预测。=，为岩石松散系数。1Weibull数学模型及参数的选择假设H(X)为Weibull概率密度函数：f0X>L或X1。若型的爆堆剖面图如图1所示。根据质量守恒定律，爆破前后岩体质量保持不变：与口选择合

4、理的话，()在处变化很小，那么式rj(1)就可以写成：jP^h(x)dx=Sop(1)，工IH(X)dX=1(4)当、取值不同时，Weibuu分布曲线如图2所示。典型的Weibul1分布曲线是一条通过原点的曲线。从图2中能够看出，选取一定的和，就能确定一定的Weibull曲线形状，因此，在合适选择参数的图1典型的爆堆剖面情况下，Weibull函数就能较真实的反映爆堆的形状。收稿日期：2012—06—10．，作者简介：李志航(1982一)，男，内蒙古鄂尔多斯人，助理2建立高台阶抛掷爆破效果的BP神经网络模型工程师，2007年毕业于四川省内江师范学院计算机科学与技术专业，

5、现在神华准格尔能源有限责任公司信息处从事网络1)建立BP神经网络模型。BP神经网络是最具管理工作。有代表意义的一种神经网络模型，它是当前最流行·28·露天采矿技术2012-f=~J5期E置圈网络模型net。模拟模块则是利用最佳模型net，对爆破进行模拟，从而得出模拟结果。参数优化模块进行误差分析及优化设计参数。通过模拟模块输出的图形要求分析误差，如果误差较大则进行参数优化，再返回模拟模块中进行模拟、进入参数优化模块，如此反复进行，以期达到预期的要求。在输出模块中，将图2Weibul1分布曲线神经网络的预测结果进行反归一化、反无量纲化，得的神经网络模型之一，己获得了广泛

6、的应用。到最后的模拟结果。最后还要输出模拟的数据表格、网络模型创建：高台阶抛掷爆破效果预测的BP误差分析及模拟图形，以便于工程应用和用户打印。神经网络模型的几点假设：具体流程见图3。①各次抛掷爆破地质条件相同；②各排装药结构形式统一，即前三排首先保证底部重铵油装药高度分别为25m、20m、15m，第四、五排首先保证上部重铵油装药高度分别为15m、10m，其余按照设计装铵油炸药；③认为各次抛掷爆破眉线完整齐平，未出现塌方；④各次抛掷爆破使用炸药性能参数相同；⑤不考虑上一循环抛掷爆破对当前抛掷爆破前排岩体的破坏效应。由于单隐层BP网络的非线性映射能力比较强，所以对于网络的

7、拓扑结构选定为(单隐层)三层图3软件设计流程网络。影响爆堆形态变化的因素确定为输入层，表征3．2模拟训练爆堆形态曲线形状的因素为输出层，在二者之间为对大量的爆破数据进行统计、计算、归纳和分析隐含层。后，进行模拟训练。表1为模拟过程中的部分输入层2)参数的确定。在Weibull模型中，控制参数和即可改变及输出层参数。3．3预测效果曲线的形状。因此可以将参数和作为评价爆堆形态的系统特征指标。根据黑岱沟露天矿历次抛掷完成训练后，就可以对爆堆进行预测。通过对5爆破的情况及生产工艺，综合各方面因素选定了以次爆破爆堆的预测和分析，我们发现基于Weibull与下几