趙 然,郭 贊
(南華大學(xué) 環(huán)境保護(hù)與安全工程學(xué)院,湖南 衡陽 421001)
?
基于RBF神經(jīng)網(wǎng)絡(luò)方法的鈾尾礦壩失穩(wěn)預(yù)報(bào)分析研究
趙 然,郭 贊
(南華大學(xué) 環(huán)境保護(hù)與安全工程學(xué)院,湖南 衡陽 421001)
指出了尾礦壩是礦產(chǎn)業(yè)設(shè)施的重要組成部分,尾礦壩的安全穩(wěn)定運(yùn)行對(duì)選礦廠的生產(chǎn)起著非常重要的作用,所以,對(duì)尾礦壩進(jìn)行穩(wěn)定性監(jiān)測(cè)是非常必要的。針對(duì)尾礦壩的庫水位,應(yīng)用RBF神經(jīng)網(wǎng)絡(luò)算法對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)測(cè)并且與實(shí)際值進(jìn)行了對(duì)比,符合程度很好,說明預(yù)測(cè)值與實(shí)際值十分接近,誤差很?。煌瑫r(shí),此次網(wǎng)絡(luò)訓(xùn)練經(jīng)多次迭代運(yùn)算,誤差曲線收斂于目標(biāo)值,效果良好。綜上說明,此次訓(xùn)練效果良好,可以用于預(yù)測(cè)其他參數(shù)。預(yù)測(cè)結(jié)果表明:庫水位高程誤差在0.001 m內(nèi),屬于合理范圍,尾礦庫的庫水位處于安全狀態(tài),風(fēng)險(xiǎn)較低。
壩體穩(wěn)定性;RBF神經(jīng)網(wǎng)絡(luò);鈾尾礦壩;庫水位
當(dāng)前,國內(nèi)外一些專家學(xué)者對(duì)于尾礦壩有一些深入的研究?;诖?,筆者總結(jié)了國內(nèi)外尾礦庫事故的經(jīng)驗(yàn)教訓(xùn),論述了尾礦庫的安全現(xiàn)狀及其危害性,列舉了國內(nèi)外重特大尾礦庫潰壩災(zāi)害的案例,并對(duì)典型案例發(fā)生的原因進(jìn)行了一些簡(jiǎn)要的分析,指出了尾礦庫的安全在線監(jiān)測(cè)對(duì)于把握好尾礦庫的安全現(xiàn)狀,加強(qiáng)尾礦庫的安全監(jiān)管,減少尾礦庫的事故發(fā)生等具有重要的意義。
尾礦庫的事故,通常是由于監(jiān)測(cè)預(yù)警運(yùn)行維護(hù)不到位或者尾礦庫自身缺陷所致。一旦尾礦壩失事,造成的傷害是難以估量的。因此,加強(qiáng)尾礦庫穩(wěn)定性的研究,這是值得引起廣大科研學(xué)者和企業(yè)管理人員的高度重視。本文就采用了RBF神經(jīng)網(wǎng)絡(luò)的方法,試圖建立一個(gè)鈾尾礦壩的失穩(wěn)預(yù)報(bào)專家模型,對(duì)鈾尾礦壩進(jìn)行實(shí)時(shí)穩(wěn)定性預(yù)報(bào),并提出合理應(yīng)對(duì)措施,對(duì)于減少鈾尾礦壩的事故發(fā)生,確保人民群眾生命財(cái)產(chǎn)安全和社會(huì)環(huán)境安全都具有極其重要的現(xiàn)實(shí)意義。
徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Network,縮寫RBF)是一種使用頻繁的三層前饋型網(wǎng)絡(luò),不僅可以在函數(shù)逼近方面可以運(yùn)用,模式分類也可以運(yùn)用。較于別的類型人工神經(jīng)網(wǎng)絡(luò),RBF網(wǎng)絡(luò)有生理學(xué)基礎(chǔ)、優(yōu)良的逼近性能、結(jié)構(gòu)簡(jiǎn)單、學(xué)習(xí)速度快等特點(diǎn)。
徑向基函數(shù)屬于數(shù)值分析的探究領(lǐng)域,在某些程度上運(yùn)用了多維空間的傳統(tǒng)嚴(yán)格插值的結(jié)果。多變量嚴(yán)格插值的問題,需要插值必須通過全部的訓(xùn)練數(shù)據(jù)點(diǎn),用數(shù)學(xué)語言描述如下:
設(shè)定一個(gè)含有N個(gè)不同的點(diǎn)的集合{xi∈Rn|i=1,2,…,N}以及相應(yīng)的N個(gè)實(shí)數(shù)的集合{yi∈R1|i=1,2,…,N},找尋一個(gè)函數(shù)F:RN→R1滿足下列插值條件式為:
F(x)=yi,i=1,2,…,N
(1)
在RBF方法中,函數(shù)F具有如下形式:
(2)
(2)式中{φ(‖x-xi‖)|i=1,2,…,N}是一個(gè)含有N個(gè)隨便的徑向基函數(shù)的集合,‖·‖表示范數(shù),一般為歐式范數(shù),xi∈RN,為訓(xùn)練數(shù)據(jù),作為徑向基函數(shù)的中心。
把(1)式代入(2)式,得到關(guān)于權(quán)值的齊次線性等式
(3)
φji=φ(‖xj-xi‖),j,i=1,2,…,N
(4)
令y=[y1,y2,…,yN]T,表示期望輸出向量;w=[w1,w2,…,wN]T,表示連接權(quán)值向量;φ=[φji|j,i=1,2,…,N],表示插值矩陣。式(3)可以寫成:
φw=y
(5)
如果φ∈RN*N可逆,可以解出權(quán)向量w,表示為:
w=φ-1y
(6)
(1)Gaussian函數(shù):
(7)
(2) 多二次函數(shù):
φ(r)=(r2+c2)1/2,c>0,r∈R
(8)
(3) 逆多二次函數(shù):
(9)
某鈾尾礦壩位于我國南部某省的A市某鄉(xiāng)境內(nèi),距離市區(qū)15 km。該壩地處B河流的上游,其南、西、北均被該河流包圍,北距該河流約2 km,南距該河流約3 km,西距該河流約5 km。東面3 km處有某大鐵路與某國道通過。尾礦庫東偏北1.5 km處是某大型工廠,東北方向約2 km是該庫廠區(qū)的生活區(qū)。尾礦庫位于水冶廠區(qū)以南約800 m的丘陵山谷中。庫區(qū)為丘陵地貌,地形高差變化不大,比高20~30 m,最高的一個(gè)山頭僅只40 m左右。尾礦庫建在一條南北向,兩端開口的山溝內(nèi)。北端建初期壩,壩高12 m,壩頂標(biāo)高82 m,南端建攔水壩,壩高17 m,壩頂標(biāo)高83 m。
根據(jù)整個(gè)壩體的9個(gè)不同壩段,選定了51個(gè)監(jiān)測(cè)點(diǎn),從2013年9月開始至2014年5月,每月對(duì)該51個(gè)監(jiān)測(cè)點(diǎn)進(jìn)行一次水位測(cè)量,得到一個(gè)整體的系列數(shù)據(jù),再運(yùn)用MATLAB軟件的神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行編程,MATLAB是一個(gè)可以搭載解釋性語言,可以運(yùn)用工程性的計(jì)算機(jī)語言來提供各種矩陣的計(jì)算,并有強(qiáng)大的處理信息的功能。它還有較強(qiáng)的開放性和作圖功能,可以使分析結(jié)果以圖表的形式表達(dá)出來。其中神經(jīng)網(wǎng)絡(luò)工具箱可以為本文編制的數(shù)據(jù)進(jìn)行訓(xùn)練和仿真,給出動(dòng)態(tài)的過程和可視化的訓(xùn)練工作,可以及時(shí)發(fā)現(xiàn)并解決問題。
采用MATLABR2010b版本的運(yùn)行環(huán)境進(jìn)行編程,經(jīng)過神經(jīng)網(wǎng)絡(luò)多次訓(xùn)練后,訓(xùn)練結(jié)果較好,輸入?yún)?shù)即可得出就能得出此段的高程差的預(yù)測(cè)值,訓(xùn)練樣本預(yù)測(cè)值與實(shí)測(cè)值如圖1和圖2所示。
圖1 網(wǎng)絡(luò)模型預(yù)測(cè)誤差曲線
由以上兩圖可知,應(yīng)用RBF神經(jīng)網(wǎng)絡(luò)算法對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)測(cè)并且與實(shí)際值進(jìn)行對(duì)比,符合程度很好,說明預(yù)測(cè)值與實(shí)際值十分接近,誤差很小;同時(shí),此次網(wǎng)絡(luò)訓(xùn)練經(jīng)多次迭代運(yùn)算,誤差曲線收斂于目標(biāo)值,效果良好。綜上說明,此次訓(xùn)練效果良好,可以用于預(yù)測(cè)其他參數(shù)。預(yù)測(cè)結(jié)果表明,庫水位高程誤差在0.001 m內(nèi),屬于合理范圍,尾礦庫的庫水位處于安全狀態(tài),風(fēng)險(xiǎn)較低。
圖2 RBF網(wǎng)絡(luò)模型輸出預(yù)測(cè)曲線
本文以鈾尾礦壩為研究對(duì)象,結(jié)合目前我國在這方面的研究,并根據(jù)實(shí)際情況對(duì)某鈾尾礦壩進(jìn)行分析。通過RBF神經(jīng)網(wǎng)絡(luò)在MATLAB中的實(shí)現(xiàn),訓(xùn)練樣本,最后得出了樣本的預(yù)測(cè)值,同時(shí)對(duì)待評(píng)價(jià)處進(jìn)行了預(yù)測(cè),得出預(yù)測(cè)結(jié)果在可接受風(fēng)險(xiǎn)范圍之內(nèi)。綜上結(jié)論,該尾礦壩風(fēng)險(xiǎn)較低,也說明了通過科學(xué)的預(yù)測(cè)方法得出了具有建設(shè)結(jié)論。
但是本文只對(duì)有限的因素進(jìn)行了研究,而實(shí)際情況非常復(fù)雜,缺少野外的現(xiàn)場(chǎng)經(jīng)驗(yàn)實(shí)測(cè),對(duì)于確定的評(píng)價(jià)指標(biāo)體系過于理想化,在數(shù)值模擬過程中也沒有全面考慮各方面可能帶來的影響。在最后的預(yù)測(cè)中,預(yù)測(cè)值和實(shí)測(cè)值的誤差雖然在允許的范圍內(nèi),但對(duì)于最后結(jié)論還是沒有達(dá)到預(yù)期的目標(biāo),日后應(yīng)結(jié)合具體實(shí)例不斷完善。
[1]王國華,段希祥,廟延鋼,等. 國內(nèi)外尾礦庫事故及經(jīng)驗(yàn)教訓(xùn)[J]. 科技資訊,2008(1):23~24.
[2]李青石,李庶林,陳際經(jīng). 試論尾礦庫安全監(jiān)測(cè)的現(xiàn)狀及前景[J]. 中國地質(zhì)災(zāi)害與防治學(xué)報(bào),2011(1):99~106.
[3]王利崗,張達(dá). 在線監(jiān)測(cè)系統(tǒng)在胡家峪銅礦尾礦庫的應(yīng)用[J]. 礦冶,2012(2):71~75.
[4]歐陽振華. 尾礦庫壩體穩(wěn)定性在線監(jiān)測(cè)系統(tǒng)研究[J]. 金屬礦山,2011(7):127~130.
[5]胡軍,胡珊. 尾礦壩自動(dòng)化安全監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 礦業(yè)研究與開發(fā),2010(2):90~93.
[6]李忠奎,廖國禮. 尾礦庫潰壩監(jiān)測(cè)預(yù)警系統(tǒng)設(shè)計(jì)研究[J]. 有色金屬(礦山部分),2008(6):33~35.
[7]于廣明,宋傳旺,潘永戰(zhàn),等. 尾礦壩安全研究的國外新進(jìn)展及我國的現(xiàn)狀和發(fā)展態(tài)勢(shì)[J]. 巖石力學(xué)與工程學(xué)報(bào),2014(S1):3238~3248.
[8]呂方可,劉永,郭贊,等. 基于RBF神經(jīng)網(wǎng)絡(luò)方法的鈾尾礦壩穩(wěn)定性分析[J]. 綠色科技,2015(2):225~227.
[9]宋志飛,王群,趙雪芳,等. 某尾礦壩穩(wěn)定性數(shù)值分析[J]. 工業(yè)安全與環(huán)保,2015(1):40~43,47.
[10]Rico M,Benito G,Salgueiro A R. Reported tailings dam failures,A review of the European incidents in the worldwide context[J],Journal of Hazardous Materials 2008(152):846~852.
[11]Salgueiro A R, Pereira H G, Maria-Teresa R. Application of correspondence analysis in the assessment of mine tailings dam breakage risk in the mediterranean region[J], Risk Analysis, 2008,28(1):13~23.
[12]Sum H L, Yao W X. The basic properties of some typical systems’ reliability in interval form[J]. Structural Safety, 2008,30(4):364~373.
[13]飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實(shí)現(xiàn)[M].北京:電子工業(yè)出版社,2005:25~230.
2016-05-14
湖南省研究生科研創(chuàng)新項(xiàng)目資助(編號(hào):2014SCX04)
趙然(1989—),女,南華大學(xué)環(huán)境保護(hù)與安全工程學(xué)院碩士研究生。
TV649
A
1674-9944(2016)14-0051-02