張　誠,黃　彬

(贛州稀土礦業(yè)有限公司，　江西 贛州市　341000)

?

基于BP神經(jīng)網(wǎng)絡的金屬礦山生產(chǎn)規(guī)模優(yōu)化研究

張誠,黃彬

(贛州稀土礦業(yè)有限公司，江西 贛州市341000)

摘要：合理確定生產(chǎn)規(guī)模是金屬礦山采礦設計中的一項核心決策要素。采用傳統(tǒng)分析方法確定生產(chǎn)規(guī)模，由于考慮因素不完全，得到的結(jié)果并不理想，與現(xiàn)實偏差較大，為此，提出了基于BP神經(jīng)網(wǎng)格的智能化預測系統(tǒng)，并對BP神經(jīng)網(wǎng)絡和系統(tǒng)建立進行了簡介，為金屬礦山確定生產(chǎn)規(guī)模提供了借鑒。

關鍵詞：金屬礦山； BP神經(jīng)網(wǎng)絡；生產(chǎn)規(guī)模；智能化系統(tǒng)

0前言

在金屬礦山的采礦設計中，確定生產(chǎn)規(guī)模是一項極其重要的待決策要素，在以后的許多生產(chǎn)要素均圍繞生產(chǎn)規(guī)模來確定。因此，確定一個合理的生產(chǎn)規(guī)模能降低礦山企業(yè)的各項生產(chǎn)成本，使礦山企業(yè)的社會經(jīng)濟效益增大，從而提高企業(yè)的競爭力。由于受到社會條件、經(jīng)濟水平、法規(guī)政策、地理環(huán)境、科學技術等多方面的綜合因素影響，確定礦山生產(chǎn)規(guī)模是一項具有未確定性、模糊性、隨機性、高維性等特征的非線性系統(tǒng)工程。上世紀，國內(nèi)外礦業(yè)領域的學者開始重視這項研究工作，投入大量的精力從事相關的研究，也得到了一定的成果[1-2]，但過去的大多數(shù)研究都忽視了在實際生產(chǎn)中很多影響生產(chǎn)規(guī)模的因素都具有不確定性而難以用精確的數(shù)學語言來描述的特征，所以局限于使用靜態(tài)或動態(tài)的數(shù)值優(yōu)化計算求得生產(chǎn)規(guī)模，這樣得到的結(jié)果與實際生產(chǎn)可能產(chǎn)生一定的脫節(jié)[3]，從而影響企業(yè)效益。由此可知，金屬礦山企業(yè)確定生產(chǎn)規(guī)模是一項慎之又慎的工作，為此探討了基于BP神經(jīng)網(wǎng)絡的智能化系統(tǒng)，以確定金屬礦山的合理生產(chǎn)規(guī)模。

1研究現(xiàn)狀

目前金屬礦山企業(yè)常用于確定生產(chǎn)規(guī)模的方法主要有以下3種：

(1) 采用統(tǒng)計分析的方法，通過收集一定數(shù)量礦山樣本的多年的生產(chǎn)數(shù)據(jù)進行分析，從而得到確定生產(chǎn)規(guī)模的方法，比較有代表性的是泰勒公式，為了尋找更適合我國礦山的生產(chǎn)情況，鄭明貴等[4]也對泰勒公式進行了優(yōu)化，但由于該方法考慮因素較少，屬于一種粗放型的方法，不能保證企業(yè)達到好的效益。

(2) 有學者從礦山開采技術角度出發(fā)研究礦山生產(chǎn)規(guī)模的方法，其中礦山開采年下降速度法、新階段準備速度法等方法具有一定的代表性[5]。但這些方法只單純的考慮了礦山開采過程中的技術因素，沒有考慮資金的時間價值和市場需求等社會經(jīng)濟影響因素，結(jié)果并不理想。

(3) 從技術經(jīng)濟角度研究礦山的生產(chǎn)規(guī)模，如盈虧平衡分析法、敏感性分析法、經(jīng)濟合理服務年限法等方法對礦山生產(chǎn)規(guī)模進行優(yōu)化[6]，但這種方法得到的結(jié)果不能直接用于指導生產(chǎn)，這些方法不但因約束條件太苛刻而在現(xiàn)實生產(chǎn)中難以獲取，而且考慮的指標也偏向于經(jīng)濟方面而得出的結(jié)果與現(xiàn)實偏差較大。

綜上所述筆者在確定礦山合理生產(chǎn)規(guī)模過程中，研究建立了基于BP人工神經(jīng)網(wǎng)格的智能化預測系統(tǒng)，該系統(tǒng)綜合了影響礦山生產(chǎn)規(guī)模本質(zhì)的多個指標信息，并將這些指標通過橫向和縱向比較,全面反映影響生產(chǎn)規(guī)模的因素，從而確定礦山合理生產(chǎn)規(guī)模。

2BP神經(jīng)網(wǎng)絡簡介

BP神經(jīng)網(wǎng)絡(Back-Propagation Neural Network)是誤差回傳神經(jīng)網(wǎng)絡的簡稱，是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡，也是目前在各行業(yè)里應用最廣泛的神經(jīng)網(wǎng)絡模型之一。BP神經(jīng)網(wǎng)絡模型拓撲結(jié)構(gòu)由輸入層、中間層和輸出層等三層組成，信息由輸入層傳到中間層最后傳到輸出層依次傳播，使用最速下降法作為信息傳播過程中的學習規(guī)則，還會不斷的通過反向傳播來調(diào)整網(wǎng)絡的權值和閾值，使網(wǎng)絡的誤差平方和最小。

BP神經(jīng)網(wǎng)絡的工作過程由學習期和工作期組成，其中學習期能使各層神經(jīng)單元之間的聯(lián)接權值成為一個固定值而成為網(wǎng)絡工作過程的重點，學習期又由正向傳播輸入信息和反向傳播誤差兩個過程組成[7-8]。正向傳播輸入信息是指信息依次從輸入層傳到輸出層，下一層的神經(jīng)元狀態(tài)只會受到上一層神經(jīng)元的影響。如果輸出層輸出的最終結(jié)果與期望值存在偏差時，BP神經(jīng)網(wǎng)絡會把誤差計算出來，并按相同的聯(lián)接通路把誤差返回，同時還會修改各層神經(jīng)元之間的聯(lián)接權值使輸出的結(jié)果與期望值接近，這也是BP神經(jīng)網(wǎng)絡學習期的反向傳播誤差的過程。在學習期使用大量的樣本把BP神經(jīng)網(wǎng)絡各層神經(jīng)單元之間的聯(lián)接權值訓練成一個固定值之后，訓練成熟的BP神經(jīng)網(wǎng)絡即可工作。把需要求結(jié)果的目標樣本的數(shù)據(jù)從輸入層輸入到訓練成熟的BP神經(jīng)網(wǎng)絡中，BP神經(jīng)網(wǎng)絡按學習期得到的網(wǎng)絡權值和閥值傳到輸出層并得到理想的最終結(jié)果。

3基于BP神經(jīng)網(wǎng)絡的智能化系統(tǒng)建立

基于BP神經(jīng)網(wǎng)絡的智能化系統(tǒng)可建立成一個人機交互良好的運用體系，首先在已取得良好社會經(jīng)濟效益的在產(chǎn)礦山中，獲取各項影響生產(chǎn)規(guī)模的生產(chǎn)要素作為學習期的訓練樣本，根據(jù)BP神經(jīng)網(wǎng)絡的自身優(yōu)點把其訓練成熟，再利用訓練成熟的BP神經(jīng)網(wǎng)絡來確定樣本礦山的合理生產(chǎn)規(guī)模。在訓練系統(tǒng)中的BP神經(jīng)網(wǎng)絡時，筆者把礦區(qū)地質(zhì)環(huán)境、礦體賦存特征、礦層厚度、礦石質(zhì)量、礦床水文地質(zhì)條件、礦床工程地質(zhì)條件、設計開采儲量、采礦方法、礦井開拓系統(tǒng)、采礦損失率、采礦貧化率、選礦工藝條件、選礦回收率、礦區(qū)地理交通位置、礦山原有資產(chǎn)凈值、市場需求、國家法規(guī)政策、單位礦石成本、企業(yè)定員、總投資20個生產(chǎn)要素按一定的規(guī)則統(tǒng)一賦值后作為BP神經(jīng)網(wǎng)絡的輸入層神經(jīng)元[9]，把生產(chǎn)規(guī)模、總投資收益率、財務內(nèi)部收益率、財務凈現(xiàn)值4個要素作為BP神經(jīng)網(wǎng)絡的輸出層神經(jīng)元，共收集了30個社會經(jīng)濟效益良好的金屬礦山的生產(chǎn)要素作為訓練樣本，對建立的智能化系統(tǒng)進行訓練，得到了良好的結(jié)果。訓練結(jié)束后計算樣本礦山的生產(chǎn)規(guī)模，取得了理想的結(jié)果。

4結(jié)論

基于BP神經(jīng)網(wǎng)絡構(gòu)建的計算金屬礦山合理生產(chǎn)規(guī)模的智能化系統(tǒng)，利用BP神經(jīng)網(wǎng)絡的自我學習特征把影響生產(chǎn)規(guī)模的多個本質(zhì)指標集中在同一個系統(tǒng)中，根據(jù)一定的規(guī)則把這些指標統(tǒng)一賦值并進行訓練，訓練成熟之后再運用到目標樣本中，從而得到期望的結(jié)果，為金屬礦山企業(yè)確定生產(chǎn)規(guī)模提供了借鑒。

參考文獻：

[1]徐強，曹瑞峰.長城鐵礦最佳生產(chǎn)規(guī)模分析論證[J].河北地質(zhì)學院學報，1994，17(1)：74-77.

[2]王革民，陳建宏,劉浪.現(xiàn)代礦山開采生產(chǎn)規(guī)模優(yōu)化準則綜述[J].礦業(yè)研究與開發(fā)，2012,32(15):1-5.19.

[3]魏一鳴，童光煦.基于神經(jīng)網(wǎng)絡的礦山經(jīng)濟規(guī)模專家系統(tǒng)研究[J].江西有色冶金，1994，8(4)：6-10.

[4]鄭明貴，蔡嗣經(jīng).地采金屬礦山生產(chǎn)規(guī)模確定的泰勒公式的研究[J].江西理工大學學報，2007,7(3)：21-25.

[5]《采礦手冊》編委會．采礦手冊[M].北京：冶金工業(yè)出版社，1994.

[6]張順堂.金屬礦山經(jīng)營參數(shù)動態(tài)優(yōu)化綜合模型研究[J].礦業(yè)研究與開發(fā),2005,25(03):5-8,33.

[7]K．S．Narendra，Adaptive Control Using Neural Networks[J].Neural Networks for Control,991:115-142.

[8]胡敬朋，謝廣祥.基于神經(jīng)網(wǎng)絡的綜放工作面生產(chǎn)能力預測模型[J].礦業(yè)研究與開發(fā)，2005，25(2)：10-11,52.

[9]鄭明貴，蔡嗣經(jīng).金屬礦山擴建合理規(guī)律的影響因素[J].采礦技術，2007，7(1):1-2,53.(收稿日期：2015-08-17)

作者簡介：張誠(1986-)，男，江西龍南人，碩士研究生，主要從事礦山設計、施工、管理工作，Email：411075365@qq.com。