呂文玉，李維明, 李維紅

(1.西安科技大學(xué)能源學(xué)院，陜西 西安 710054；2. 四川省煤炭產(chǎn)業(yè)集團(tuán)有限責(zé)任公司技術(shù)中心，四川 成都 610091；3. 清華大學(xué)經(jīng)濟(jì)學(xué)研究所博士后流動(dòng)站，北京 100084；4.中國(guó)礦業(yè)大學(xué)(北京)文法學(xué)院，北京 100084)

目前，我國(guó)煤炭資源日益短缺，許多煤礦對(duì)于薄煤層，一般采取丟棄不采，造成了很大的資源浪費(fèi)。薄煤層的合理安全高效開采對(duì)于提高礦井服務(wù)年限和實(shí)現(xiàn)我國(guó)能源可持續(xù)性發(fā)展有非常重要的作用。雖然我國(guó)很多礦井都加大了對(duì)薄煤層的開采力度，但是薄煤層開采技術(shù)難度高和效益差嚴(yán)重影響到這些礦井的發(fā)展。薄煤層開采中存在著很多問題，主要包括采煤空間狹小以至于設(shè)備的安裝調(diào)試和檢修等都受到極大的限制，工人勞動(dòng)強(qiáng)度大，工作面瓦斯排放困難等。薄煤層開采也存在自己的優(yōu)勢(shì)，那就是開采對(duì)臨近煤層的影響比較小，頂板的運(yùn)移小。如今，薄煤層采煤方法的確定主要是依靠采礦工程師的經(jīng)驗(yàn)，而煤礦地質(zhì)條件復(fù)雜，很難在地質(zhì)條件和采煤方法之間建立一個(gè)等效的方程。薄煤層開采已經(jīng)嚴(yán)重影響到我國(guó)煤炭工業(yè)的發(fā)展，特別是選擇合理的薄煤層采煤方法，是我國(guó)煤炭工業(yè)發(fā)展面臨的一個(gè)重要問題。

如今，神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合可以用于實(shí)現(xiàn)采煤方法的優(yōu)選。這些方法都可以解決離散變量之間的相互耦合問題，在解決多目標(biāo)、非連續(xù)性問題的非常有效，對(duì)于薄煤層采煤方法的合理選擇，可以通過建立基于人工神經(jīng)網(wǎng)絡(luò)的薄煤層采煤方法選擇專家系統(tǒng)來實(shí)現(xiàn)，并且能夠在薄煤層開采上給予采礦工程師幫助。

1 薄煤層采煤方法

薄煤層采煤方法主要包括四種：螺旋鉆采煤法、滾筒采煤機(jī)采煤法、刨煤機(jī)采煤法和房柱式采煤法。德國(guó)是世界上薄煤層開采機(jī)械化水平最高的國(guó)家，他們主要使用刨煤機(jī)采煤法和螺旋鉆采煤法。

螺旋鉆機(jī)采煤的特點(diǎn)是可以實(shí)現(xiàn)工作面無人采煤作業(yè)、開采安全可靠；可以開采平衡表外的儲(chǔ)量，延長(zhǎng)礦井的開采壽命；工人在巷道內(nèi)工作，可以杜絕像頂板事故、瓦斯和煤層自然發(fā)火等自燃災(zāi)害；巷道的掘進(jìn)率高，丟煤少；螺旋鉆采煤工效高；結(jié)構(gòu)比較簡(jiǎn)單、容易維護(hù)、工作面不需支護(hù)頂板等。

刨煤機(jī)的主要特點(diǎn)是：刨煤機(jī)運(yùn)行相對(duì)平穩(wěn)，比較容易維護(hù)；刨煤機(jī)可采煤層的厚度低，在薄煤層開采中使用更加廣泛，可實(shí)現(xiàn)無人工作面采煤，操作安全，沒有復(fù)雜的液壓系統(tǒng)，安裝使用方便，可以實(shí)現(xiàn)薄煤層煤炭的采、裝、運(yùn)的一體機(jī)械化等。

薄煤層滾筒采煤機(jī)采煤的主要特點(diǎn)能夠適應(yīng)厚度變化較大的煤層，可以開采含有夾矸的煤層，滾筒采煤機(jī)過斷層能力強(qiáng)，對(duì)煤層的地質(zhì)條件適應(yīng)性強(qiáng)。因?yàn)闈L筒采煤機(jī)開采煤層厚度薄，薄煤層滾筒采煤機(jī)與普通滾筒采煤機(jī)不同，主要包括兩種，一種是騎輸送機(jī)式采煤機(jī)，另一種是爬底板式采煤機(jī)。

利用連續(xù)采煤機(jī)的房柱式開采薄煤層在美國(guó)和澳大利亞比較多，使用連續(xù)采煤機(jī)的花費(fèi)只是普通長(zhǎng)壁開采方法的1/5～1/4，但產(chǎn)量卻能達(dá)到1/2。連續(xù)采煤機(jī)設(shè)備運(yùn)轉(zhuǎn)靈活，移動(dòng)迅速，可以后方直接跟進(jìn)錨桿機(jī)進(jìn)行頂板支護(hù)。在我國(guó)，由于連續(xù)采煤機(jī)房柱式采煤法采出率低并且通風(fēng)條件差，所以很少使用。

2 神經(jīng)網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)法

傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練速度慢且效率低。如今針對(duì)這種情況，出現(xiàn)了神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法，改進(jìn)算法一共可以分為兩類,一類是采用數(shù)字優(yōu)化技術(shù)的改進(jìn)算法,包括Levenberg-Marquardt(L-M) 法、擬牛頓法和共軛梯度法；另一類是采用啟發(fā)式技術(shù)的改進(jìn)算法，包括彈性BP方法、自適應(yīng)學(xué)習(xí)法和附加動(dòng)量法。以上的六種改進(jìn)算法全部集成在MATLAB 的神經(jīng)網(wǎng)絡(luò)工具箱中，本神經(jīng)網(wǎng)絡(luò)薄煤層采煤方法選擇專家系統(tǒng)主要采用自適應(yīng)學(xué)習(xí)法來訓(xùn)練網(wǎng)絡(luò)。

傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)速率調(diào)整不當(dāng)而造成收斂速度慢。而神經(jīng)網(wǎng)絡(luò)改進(jìn)算法自適用學(xué)習(xí)法可以根據(jù)實(shí)際情況自動(dòng)調(diào)整學(xué)習(xí)速率，從而達(dá)到減少學(xué)習(xí)時(shí)間。自適應(yīng)學(xué)習(xí)法的權(quán)重和閾值的計(jì)算公式如下:

(1)

式中l(wèi)r為網(wǎng)絡(luò)學(xué)習(xí)速率。

lr值的選取不易過長(zhǎng)或者過短，如果學(xué)習(xí)的速率選取的太小,就會(huì)造成網(wǎng)絡(luò)收斂速度過慢；相反，如果學(xué)習(xí)的速率選取的太大, 會(huì)造成網(wǎng)絡(luò)修正過多, 從而致使發(fā)散。一般情況下，首先要檢查權(quán)重的值，分析誤差是不是真正的降低，如果誤差沒有降低，就說明學(xué)習(xí)速率過大了，就需要減少其值；如果存在誤差降低, 則說明學(xué)習(xí)速率選取的過小了，需要對(duì)學(xué)習(xí)速率的值增加一個(gè)量。在MATLAB中,lr的調(diào)整公式如下：

(2)

式中mse為均方差。

在Matlab神經(jīng)網(wǎng)絡(luò)工具箱中，自適應(yīng)學(xué)習(xí)法可以通過traingdx.m和traingda.m兩個(gè)訓(xùn)練函數(shù)來實(shí)現(xiàn)的。

3 神經(jīng)網(wǎng)絡(luò)薄煤層采煤方法選擇專家系統(tǒng)的實(shí)現(xiàn)

3.1 組建知識(shí)庫

結(jié)構(gòu)知識(shí)庫主要是用來存儲(chǔ)各層節(jié)點(diǎn)數(shù)和網(wǎng)絡(luò)層數(shù)。神經(jīng)網(wǎng)絡(luò)薄煤層采煤方法專家系統(tǒng)選用采煤方法，工作面單產(chǎn)與工效作為輸出，通過對(duì)薄煤層采煤方法選擇的影響因素分析，最終決定了采用三層網(wǎng)絡(luò)，并將薄煤層采煤方法選擇和工作面單產(chǎn)以及工效的主要影響因素，包括煤層的賦存條件(傾角、厚度、水文、瓦斯、斷層、夾矸、頂?shù)装濉⒎€(wěn)定性)以及人為因素和設(shè)備水平11個(gè)選項(xiàng)作為輸入。

規(guī)則知識(shí)庫主要是存儲(chǔ)定性變量的概念，其中輸入的設(shè)備水平，利用開機(jī)率來表示，在網(wǎng)絡(luò)中，煤層傾角、煤層厚度和開機(jī)率利用其自身的數(shù)值來表示。煤層頂?shù)装鍡l件、瓦斯條件、水文條件，主要是利用分類法來表示，其值為1、2、3、4。由于煤層的斷層條件、穩(wěn)定性、夾矸和人為因素不能夠采用定量表示，網(wǎng)絡(luò)中利用公式求解的值來表示,并將其值控制在[0，1]之間。

范例知識(shí)庫主要是用來存儲(chǔ)訓(xùn)練樣本和檢驗(yàn)樣本，本專家系統(tǒng)一共選用了30個(gè)薄煤層開采成功案例，利用前26個(gè)樣本作為訓(xùn)練樣本，帶入網(wǎng)絡(luò)中訓(xùn)練，利用最后4個(gè)樣本作為檢驗(yàn)樣本，用以檢驗(yàn)網(wǎng)絡(luò)的正確性。

在輸出選項(xiàng)中，采煤方法的表示如下：1代表刨煤機(jī)采煤法；2代表滾筒采煤機(jī)采煤法；3代表螺旋鉆采煤法；4代表房柱式采煤法。

3.2 數(shù)據(jù)預(yù)處理

本專家系統(tǒng)共采用三層網(wǎng)絡(luò)(輸入層、隱含層和輸出層)，為了提高網(wǎng)絡(luò)預(yù)算的精度，將薄煤層開采的四種采煤方法(滾筒采煤機(jī)采煤法、刨煤機(jī)采煤法、螺旋鉆采煤法和房柱式采煤法)，分別利用二進(jìn)制[0 1 0]、[1 0 0]、[0 0 1]和[0 1 1]來表示。在網(wǎng)絡(luò)中，輸出層神經(jīng)元的個(gè)數(shù)為3個(gè)(薄煤層采煤方法、工作面的單產(chǎn)和工效)，輸入層個(gè)數(shù)為11個(gè)，網(wǎng)絡(luò)中隱含層個(gè)數(shù)設(shè)為12個(gè)。最終得到的范例知識(shí)庫如表1所示。其中，表1內(nèi)的輸入變量是按照規(guī)則數(shù)據(jù)庫的標(biāo)準(zhǔn)所得到的數(shù)據(jù)。

表1 范例知識(shí)庫

當(dāng)網(wǎng)絡(luò)獲得數(shù)據(jù)后，第一步要做的是把所有的數(shù)據(jù)都換算到一個(gè)規(guī)定范圍內(nèi)，即將數(shù)據(jù)首先進(jìn)行統(tǒng)一化處理，當(dāng)換算的數(shù)值呈正態(tài)分布時(shí)，所得到的數(shù)據(jù)是最有效的。在進(jìn)行網(wǎng)絡(luò)訓(xùn)練之前，首先要將輸入選項(xiàng)的值進(jìn)行轉(zhuǎn)換，轉(zhuǎn)換完成后還需檢查各個(gè)變量的分布，如果輸入選項(xiàng)的值不呈正態(tài)分布或者近似正態(tài)分布，則還需要對(duì)輸入選項(xiàng)的值進(jìn)行換算，直至最后輸入的數(shù)據(jù)呈正態(tài)分布或者近似正態(tài)分布。其換算公式如下：

(3)

式中：ymin為因變量的最小值；ymax為因變量的最大值；yi為因變量第i個(gè)分量；y為歸一化后的值。

4 網(wǎng)絡(luò)檢驗(yàn)

將1～26號(hào)的樣本帶入網(wǎng)絡(luò)中進(jìn)行學(xué)習(xí)訓(xùn)練后，利用最后4個(gè)作為檢驗(yàn)樣本進(jìn)行網(wǎng)絡(luò)正確性檢驗(yàn)。得出的值如表2所示。

從表1、2對(duì)照可以得出，在薄煤層采煤方法上，最小的誤差為0，最大的誤差為0.15，這些誤差值是非常小，可以認(rèn)為此網(wǎng)絡(luò)對(duì)薄煤層采煤方法的預(yù)測(cè)是100%。在工作面單產(chǎn)中，誤差最大的為7.5%，最小的為3.2%，在工效選項(xiàng)上，誤差最大的為8.6%，最小的為2.3%。

從以上檢驗(yàn)結(jié)果可以得出，設(shè)計(jì)的基于人工神經(jīng)網(wǎng)絡(luò)薄煤層采煤方法選擇專家系統(tǒng)可以達(dá)到預(yù)測(cè)薄煤層采煤方法、工作面單產(chǎn)和工效的目的。

表2 檢驗(yàn)結(jié)果

5 總結(jié)

薄煤層開采技術(shù)研究是我國(guó)煤炭工業(yè)迫切需要解決的問題，本文利用30個(gè)薄煤層開采的成功案作為范例知識(shí)庫。利用前26個(gè)樣本作為學(xué)習(xí)樣本，后4個(gè)樣本作為檢驗(yàn)樣本，網(wǎng)絡(luò)采用3層，其中輸出層神經(jīng)元的個(gè)數(shù)為3個(gè)(薄煤層采煤方法、工作面的單產(chǎn)和工效)，輸入層個(gè)數(shù)為11個(gè)(煤層傾角、厚度、水文、瓦斯、斷層、夾矸、頂?shù)装?、穩(wěn)定性、人為因素和設(shè)備水平)，利用Matlab設(shè)計(jì)神經(jīng)網(wǎng)絡(luò),并利用自適應(yīng)學(xué)習(xí)法訓(xùn)練網(wǎng)絡(luò)，最后通過檢驗(yàn)得到采煤方法最小的誤差為0，最大的誤差為0.15，這些誤差值是非常小，可以認(rèn)為此網(wǎng)絡(luò)對(duì)薄煤層采煤方法的預(yù)測(cè)是100%。在工作面單產(chǎn)中，誤差最大的為7.5%，最小的為3.2%，在工效選項(xiàng)上，誤差最大的為8.6%，最小的為2.3%。上述模型預(yù)測(cè)的結(jié)果理想，具有較高的科學(xué)性,能夠?yàn)椴傻V工程師提供幫助。

[1] 徐永圻.煤礦開采學(xué)[M].徐州：中國(guó)礦業(yè)大學(xué)出版社，2001.

[2] 李建平.開灤復(fù)雜煤層綜合機(jī)械化和開采技術(shù)[M].北京：煤炭工業(yè)出版社, 2007.

[3] 鄭麗敏.人工智能與專家系統(tǒng)原理及其應(yīng)用[M].北京：中國(guó)農(nóng)業(yè)大學(xué)出版社，2004.

[4] 馮夏庭, 王泳嘉.采礦工程智能系統(tǒng)[M].北京：冶金工業(yè)出版社, 1994.