賈 濤 杜 飛 趙 洋

(山東黃金礦業(yè)(萊州)有限公司三山島金礦)

基于BP的地下硐室圍巖位移預(yù)測方法及應(yīng)用

賈 濤 杜 飛 趙 洋

(山東黃金礦業(yè)(萊州)有限公司三山島金礦)

以某工程實例為背景，建立基于人工神經(jīng)網(wǎng)絡(luò)的硐室圍巖收斂位移預(yù)報模型，對已開挖的3個硐室圍巖最終位移量進行檢測，并將硐室圍巖最終位移量與圍巖堅固性系數(shù)的關(guān)系進行擬合，得到相應(yīng)的關(guān)系函數(shù)，應(yīng)用該函數(shù)對本分段內(nèi)即將開挖的硐室D4的最終位移量進行了預(yù)測，預(yù)測值與實測結(jié)果吻合度較高,為后續(xù)施工過程中對圍巖位移監(jiān)測提供了重要的技術(shù)參考。

硐室 BP網(wǎng)絡(luò)預(yù)測 圍巖收斂 堅固性系數(shù)

由于地下工程受力極其復(fù)雜，難以準確掌握地下工程圍巖變形情況[1-2]。自20世紀50年代起，地下硐室的量測在國內(nèi)外興起，人們期望從量測數(shù)據(jù)中找出變形規(guī)律，預(yù)測未來的發(fā)展動態(tài)，甚至預(yù)測不同時空的隧洞圍巖變形情況，并產(chǎn)生了很多預(yù)測方法，如灰色預(yù)測、回歸分析等[3-4]。20世紀80年代以來，神經(jīng)網(wǎng)絡(luò)理論有了巨大的進展，日前已廣泛并且成功應(yīng)用于圖像處理、模式識別、自動控制、信號處理、經(jīng)濟預(yù)測等領(lǐng)域，近年來人工神經(jīng)網(wǎng)絡(luò)在巖土工程中也得到了廣泛的應(yīng)用[5-8]。本文運用人工神經(jīng)網(wǎng)絡(luò)，對3個已開挖硐室的圍巖隨時間變形進行記錄，預(yù)測未來的變形，證實了該BP神經(jīng)網(wǎng)絡(luò)的可行性后，再通過BP神經(jīng)網(wǎng)絡(luò)所預(yù)測的已開挖的硐室圍巖最終變形量及其堅固性系數(shù)擬合得到一函數(shù)，利用該函數(shù)計算本分段處于類似圍巖中未開挖硐室的堅固性系數(shù)，得到該硐室圍巖的最終變形量。經(jīng)后續(xù)工程開挖及實際測量，驗證BP網(wǎng)絡(luò)預(yù)測結(jié)果及擬合所得函數(shù)的可靠性。

1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測法

1.1 BP網(wǎng)絡(luò)原理

人工智能研究中包含一個人工神經(jīng)網(wǎng)絡(luò)分支，以其在復(fù)雜的非線性系統(tǒng)中較高的建模能力及對數(shù)據(jù)良好的擬合能力，在預(yù)測及優(yōu)化領(lǐng)域得到廣泛的應(yīng)用。神經(jīng)網(wǎng)絡(luò)的特征有自組織、自學(xué)習(xí)，以及聯(lián)想推理等，能夠解決各種非線性問題。從結(jié)構(gòu)上講，BP網(wǎng)絡(luò)是典型的多層網(wǎng)絡(luò)，分為輸入層、隱含層、輸出層，層與層之間多采用全互聯(lián)方式，同一層單元之間不存在相互連接，每一層連接權(quán)值都可通過學(xué)習(xí)來調(diào)節(jié)。鑒于此，BP模型(back propagation)即誤差后向傳播神經(jīng)網(wǎng)絡(luò)成為神經(jīng)網(wǎng)絡(luò)模型中使用最為廣泛的一類[9]。

1.2 硐室變形預(yù)報的BP網(wǎng)絡(luò)模型

硐室圍巖位移的時間序列預(yù)報模型描述如下：

x(t)=φ[x(t-1),…,x(t-S)] ,

(1)

式中，φ(*)為非線性作用函數(shù);S為模型階數(shù)。

時間序列預(yù)報模型建立的工程就是尋找φ(*)的過程[10]。通過前文分析可知，在觀測數(shù)據(jù)序列噪聲較小的情況下，選取了合理的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，使用神經(jīng)網(wǎng)絡(luò)即可精確地反演出φ(*)。基于此，對式(1)進行離散處理可得：

xi+p=φ(xi,xi+1,…,xi+p-1,h) ,

(2)

式中，i=1,2，…，n；l=N-p-m；N為觀測點個數(shù)；p為模型輸入層的節(jié)點數(shù)；l，m分別為訓(xùn)練模型的樣本個數(shù)和測試模型的樣本個數(shù)；h為時間步長。

以前l(fā)個實測數(shù)據(jù)為輸入層,輸入模型中獲得一個唯一的預(yù)測值，然后將上一次的輸入序列去掉最老的那個值，在最新的位置添加本次所得的預(yù)測值，新序列即為下一次的輸入序列進行下一步預(yù)測。以此類推可以得到圍巖穩(wěn)定時的位移值，如表1所示。

表1 N組用于建模與測試模型的數(shù)據(jù)

2 工程實例

2.1 工程概述

山東黃金某礦山在-200 m中段開挖3個硐室，分別為D1、D2、D3，D4硐室滯后開挖。硐室處在黃鐵絹英巖等蝕變巖中，裂隙不發(fā)育，巖石較完整，其他地質(zhì)條件基本一致，堅固性系數(shù)f不同:D1～D4分別為8.12,8.10,7.50,7.82。以硐室D1～D3斷面頂板下沉數(shù)據(jù)為例，對BP網(wǎng)絡(luò)的預(yù)測步驟及效果進行說明。

2.2 硐室圍巖收斂變形BP神經(jīng)網(wǎng)絡(luò)

對已開挖的3個硐室斷面圍巖收斂變形進行監(jiān)測，監(jiān)測數(shù)據(jù)如表2所示。

表2 D1～D3斷面收斂位移監(jiān)測數(shù)據(jù)

通過前文的分析，采用三層神經(jīng)網(wǎng)絡(luò)，輸入層5節(jié)點，隱含層8節(jié)點，輸出層一個節(jié)點,對表2中的數(shù)據(jù)進行訓(xùn)練與預(yù)測。具體實施步驟如下：①由于數(shù)據(jù)都是隔天采集，時間上是等間距的,用表2中前5個數(shù)據(jù)作為輸入層的第一組數(shù)據(jù)，輸出值為第6個數(shù)，將第2～6個數(shù)據(jù)作為第二組輸入數(shù)據(jù)，第7個數(shù)據(jù)作為第二組的輸出數(shù)據(jù),依次進行到倒數(shù)第6個數(shù)據(jù)，給定控制誤差為0.02，進行約7 000次的訓(xùn)練，得到穩(wěn)定的網(wǎng)絡(luò)結(jié)構(gòu);②利用上一步訓(xùn)練好的網(wǎng)絡(luò)對第31個數(shù)進行預(yù)測;③將得到的第31個數(shù)據(jù)做為輸入層的第5個輸入數(shù)據(jù)，同時刪除上一次輸入層的第一個數(shù)據(jù)，以此進行第32個數(shù)據(jù)的預(yù)測;④以此類推，對變形的后續(xù)發(fā)展進行預(yù)測。

2.3 網(wǎng)絡(luò)預(yù)測結(jié)果可靠性驗證

隨機抽取3個斷面的變形預(yù)測值若干，將預(yù)測結(jié)果和實測結(jié)果列表對照，如表3所示。

表3 各斷面變形計算值與實測對比 mm

斷面監(jiān)測時間84d95d120d154d187d207dD1D2D3預(yù)測值3.8093.8253.8373.8493.8583.841實測值3.8563.8673.8223.8743.8683.742預(yù)測值1.1631.1671.1551.1611.1711.172實測值1.1811.1611.1671.1431.1041.137預(yù)測值1.1321.1261.1371.1581.1971.201實測值1.1511.1721.1791.1811.1801.194

由表3可以看出，神經(jīng)網(wǎng)絡(luò)模型的預(yù)測誤差很小，能比較真實地預(yù)測圍巖位移變化情況。同時，將BP神經(jīng)網(wǎng)絡(luò)預(yù)測所得結(jié)果與其他預(yù)測結(jié)果對比，以第84d的數(shù)據(jù)為例，實測數(shù)據(jù)和各種預(yù)測方法所得的預(yù)測數(shù)據(jù)見表4。

表4 第84 d各預(yù)測方法預(yù)測值及實測值 mm

斷面BP網(wǎng)絡(luò)預(yù)測灰色預(yù)測指數(shù)函數(shù)回歸預(yù)測實測值D13.8093.7264.1013.857D21.1611.0821.3401.180D31.2411.1571.4761.260

由表4可以看到，較其他兩種方法，BP網(wǎng)絡(luò)預(yù)測與實測數(shù)據(jù)更為接近。

通過以上比較分析，認為BP網(wǎng)絡(luò)預(yù)測結(jié)果更與實際接近，與實際值偏差度相當(dāng)小。因而在地下工程中，BP網(wǎng)絡(luò)預(yù)測是一種行之有效的方法。

2.4 硐室D4圍巖變形預(yù)測

基于BP網(wǎng)絡(luò)預(yù)測值與圍巖堅固性系數(shù)f擬合方程對硐室D4圍巖變形進行預(yù)測。由于已開挖3個硐室及后續(xù)開挖的第4個硐室所處工程地質(zhì)環(huán)境基本相似，不同的是圍巖堅固性系數(shù)f，希望通過研究最終變形量與f間的規(guī)律，為之后開挖硐室的圍巖變形提供理論依據(jù)。將BP網(wǎng)絡(luò)預(yù)測所得3個硐室圍巖的最終變形量和f系數(shù)列于表5。

通過對數(shù)據(jù)的處理和分析，發(fā)現(xiàn)在該工程段，硐室圍巖最終變形量S與堅固性系數(shù)f成線性關(guān)系，擬合得到線性方程：

表5 預(yù)測結(jié)果與f關(guān)系

S=-4.333f+36.36 .

(3)

由式(3)可以得到D4的f值為7.82，硐室開挖的圍巖最終變形量為2.476 mm。該硐室開挖后進行圍巖變形監(jiān)測，變形量為2.490 mm，已趨于穩(wěn)定，再次說明了上述BP網(wǎng)絡(luò)預(yù)測值的可靠性，同時也證實了該擬合方程的可靠性。

3 結(jié) 論

(1)應(yīng)用BP神經(jīng)網(wǎng)絡(luò)建立硐室圍巖變形預(yù)測模型，并基于已有的樣本數(shù)據(jù)經(jīng)過訓(xùn)練，對將要開挖的圍巖變形值進行預(yù)測，與硐室開挖后監(jiān)測數(shù)據(jù)進行比較，驗證了該預(yù)測模型的可行性。

(2)通過3種理論建立的預(yù)測模型對開挖硐室圍巖變形的預(yù)測值比較，可知BP網(wǎng)絡(luò)與實測值吻合度更好，更具有實用性。

(3)建立了圍巖變形的預(yù)測值與圍巖堅固系數(shù)f的關(guān)系，并通過擬合得出圍巖變形量跟堅固系數(shù)f的關(guān)系式，通過工程實踐驗證了該關(guān)系的可行性，為工程施工提供一定的技術(shù)參考。

[1] 張子新,孫 鈞.塊體理論赤平解析法及其在硐室穩(wěn)定分析中的應(yīng)用[J].巖石力學(xué)與工程學(xué)報,2002,21(12):1756-1760.

[2] 馮夏庭,馬平波.基于數(shù)據(jù)挖掘的地下硐室圍巖穩(wěn)定性判別[J].巖石力學(xué)與工程學(xué)報,2001,20(3):306-309.

[3] 趙國彥,吳 浩.未確知聚類方法及其在松動圈厚度預(yù)測中的應(yīng)用[J].科技導(dǎo)報,2013,31(2):50-55.

[4] 趙國彥,王 珊,王 江.Fisher判別法在綜放回采巷道支護形式選擇中的應(yīng)用[J].科技導(dǎo)報,2013,31(4):28-31.

[5] 張欽禮,李謝平,楊 偉.基于BP網(wǎng)絡(luò)的某礦山充填料漿配比優(yōu)化[J].中南大學(xué)學(xué)報：自然科學(xué)版,2013,44(7):2867-2874.

[6] 溫繼偉,陳 晨,陳寶義,等.基于GMS的地層三維結(jié)構(gòu)可視化模型及神經(jīng)網(wǎng)絡(luò)預(yù)測[J].科技導(dǎo)報,2013,31(15):44-51.

[7] 周國祥,許錦洲,韋曉萍.基于BP網(wǎng)絡(luò)與DS證據(jù)理論的態(tài)勢估計問題研究[J].艦船電子工程,2013,33(8):50-52.

[8] 劉 慶,張光權(quán),吳春平,等.基于BP神經(jīng)網(wǎng)絡(luò)模型的爆破飛石最大飛散距離預(yù)測研究[J].爆破,2013(1):114-118.

[9] 楊保安,季 海,徐 晶,等.BP神經(jīng)網(wǎng)絡(luò)在企業(yè)財務(wù)危機預(yù)警之應(yīng)用[J].預(yù)測,2001(2):49-54.

[10] 王 旭,王 宏,王文輝.人工神經(jīng)元網(wǎng)絡(luò)原理與應(yīng)用[M].沈陽:東北大學(xué)出版社,2000.

Displacement Prediction Method of Surrounding Rock in Chamber Based on BP Neural Network and Its Application

Jia Tao Du Fei Zhao Yang

(Sansandao Gold Mine, Shandong Gold Mining Industry (Laizhou) Co., Ltd.)

Taking a engineering example as the research background, the convergence displacement prediction model of chamber surrounding rock based on artifical neural network is established so as to monitor the final displacement of thess chambers that are already excavated, and the relationship between the final displacement of chamber surrounding rock and sturdiness coefficient of surrounding rock is fitted so as to obtain the corresponding relationship function. The relationship function is used to predict the final displacement of D4 chamber that will be excavated in this section. The research results show that, the consistency of prediction value and measured results is good. Therefore, the research method in this paper can provide technical reference for the monitoring the displacement of surrounding rock in the process of subsequent construction.

Chamber, BP network prediction, Convergence of surrounding rock, Sturdiness coefficient

2014-09-12)

賈 濤(1987—)，男，助理工程師，261442 山東省萊州市。