馬熹焱，關順，劉亮

（1.煤科集團沈陽研究院有限公司，遼寧撫順113122；2.遼寧工程技術大學研究生學院，遼寧阜新123000；3.華能呼倫貝爾能源開發(fā)有限公司，內(nèi)蒙古呼倫貝爾021008）

基于改進遺傳神經(jīng)網(wǎng)絡的撫順西露天礦邊坡位移預測

馬熹焱1，關順2，劉亮3

（1.煤科集團沈陽研究院有限公司，遼寧撫順113122；2.遼寧工程技術大學研究生學院，遼寧阜新123000；3.華能呼倫貝爾能源開發(fā)有限公司，內(nèi)蒙古呼倫貝爾021008）

通過改進遺傳算法對邊坡位移預測精度進行預測。使用撫順西露天南幫邊坡的雷達位移監(jiān)測數(shù)據(jù)對BP神經(jīng)網(wǎng)絡、未改進的遺傳神經(jīng)網(wǎng)絡、改進后的遺傳神經(jīng)網(wǎng)絡進行訓練，得出預測數(shù)據(jù)，并作對比分析。結果表明：與真實測得的位移數(shù)據(jù)相比，改進后的遺傳神經(jīng)網(wǎng)絡的位移預測誤差最小，預測結果精度最大。

改進遺傳算法；神經(jīng)網(wǎng)絡；西露天礦；位移；預測

0 引言

我國是一個地質(zhì)災害頻發(fā)的國家，露天礦邊坡失穩(wěn)破壞勢會給生產(chǎn)和人民的生命財產(chǎn)安全帶來巨大的破壞[1]。撫順西露天礦南幫邊坡表面巖體風化嚴重、巖體破碎，處于硬巖風化帶范圍內(nèi)。目前礦體南幫出現(xiàn)一些巖體錯位現(xiàn)象，對邊坡進行監(jiān)測，掌握邊坡的變形規(guī)律，對于預防邊坡失穩(wěn)誘發(fā)的地質(zhì)災害，確保礦產(chǎn)資源的安全開采，具有重要的理論和現(xiàn)實意義[2]。

（人工）神經(jīng)網(wǎng)絡（NN，Neural Network）是通過數(shù)學方法對人腦若干基本特征的抽象和模擬，它用物理可實現(xiàn)的系統(tǒng)來模仿人腦神經(jīng)細胞的結構和功能[3]是由一組功能簡單的信息處理單元（即神經(jīng)元）在一定聯(lián)接方式下構成的動力學系統(tǒng)。神經(jīng)網(wǎng)絡模型迄今為止已經(jīng)有大約數(shù)百種，大多都是反映人腦的某方面特性。

傳統(tǒng)BP神經(jīng)網(wǎng)絡以梯度算法為基礎進行學習，對初始權值有很強的敏感性，學習過程容易陷入局部收斂或不收斂。用遺傳算法對BP神經(jīng)網(wǎng)絡進行優(yōu)化是一種比較常用的方法，可以在一定程度上提高預測精度。本文對遺傳算法進行改進，使其進一步優(yōu)化BP神經(jīng)網(wǎng)絡。

1 BP神經(jīng)網(wǎng)絡

BP神經(jīng)網(wǎng)絡(Back Propagation)又稱誤差反向傳播多層前饋神經(jīng)網(wǎng)絡。近年來，隨著人工智能和神經(jīng)網(wǎng)絡技術的發(fā)展，BP神經(jīng)網(wǎng)絡已越來越頻繁的被用于邊坡的穩(wěn)定性分析，將神經(jīng)網(wǎng)絡的最精華的部分體現(xiàn)了出來[4]。BP神經(jīng)網(wǎng)絡一般由輸入層、隱含層和輸出層3個神經(jīng)元層次組成。從輸入層節(jié)點開始輸入信號，傳過各隱含層節(jié)點，傳到輸出層節(jié)點，每一層節(jié)點的輸出只影響下一層節(jié)點。

2 改進的遺傳算法

遺傳算法（Genetic Algorithm）簡稱（GA）是一種優(yōu)化算法。遺傳算法是一種算法，該算法的特征是全局優(yōu)化隨機搜索。通過模擬遺傳過程中遺傳算子出現(xiàn)的復制、交叉和變異等現(xiàn)象，在個體基因表示的基礎上，對種群個體進行逐代擇優(yōu)，最終獲得最優(yōu)個體[5]。該算法以對生物細胞中染色體的復制、交叉、基因突變的模擬為基礎，根據(jù)個體對環(huán)境不同的適應能力來選擇最優(yōu)個體。為了進一步提高遺傳算法的優(yōu)化能力，將交叉和變異這兩個算子進行了改進。

2.1 改進交叉算子

交叉算子的作用在于將原有的優(yōu)良基因遺傳給下一代，是遺傳算法的核心。為了在個體的交叉過程中可以有效地保留優(yōu)秀的基因，本文將適應度作為系數(shù)代入到交叉算子中[6]。適應度函數(shù)以及改進的交叉算子如式（1）、（2）所示。

式中：S為某個個體的適應度；Qi為第i節(jié)點期望輸出；Εi為第i節(jié)點預測輸出。

式中：S1，S2為隨機個體的適應度；Smax為最大個體適應度；x1，x2為隨機個體；x1，new，x2，new為經(jīng)選擇操作新產(chǎn)生的兩個個體。

交叉是指通過替換重組的方式，使兩個父代個體的部分結構生成新個體的操作。交叉算子在遺傳算法中起著核心作用，使遺傳算法的搜索能力得到有效提高。為了將有益基因組合在一起，交叉算子根據(jù)交叉率將種群中的兩個個體隨機地交換某些基因，由此才能產(chǎn)生新的基因組合。兩點交叉比單點交叉空間搜索能力更強，破壞能力較比均勻交叉和多點交叉低，因此采用兩點交叉．如果改變交叉概率的數(shù)值，當兩個個體的平均適應度較低時，交叉概率增大。當兩個個體的平均適應度較高時，交叉概率減小。改進后，J為交叉概率，如式（3）所示。

式中：S1，S2為隨機選擇的兩個個體的適應度；Smax為最大個體適應度；

2.2 改進變異算子

遺傳算法變異算子使遺傳算法具有局部的隨機搜索能力，同時使遺傳算法可維持群體多樣性，以防止出現(xiàn)未成熟收斂現(xiàn)象。首先，遺傳算法通過交叉算子已接近最優(yōu)解鄰域，再利用變異算子的這種局部隨機搜索能力可以加速向最優(yōu)解收斂。

變異操作是將某個隨機選擇的個體進行基因變異，給群體引進新參數(shù)值，產(chǎn)生更為優(yōu)秀個體，因此變異成為改進遺傳算法的主要成分[7]。遺傳算法中，交叉算子憑借其全局搜索能力成為主要算子，變異算子由于其對局部搜索能力的提高而作為輔助算子。遺傳算法通過交叉和變異操作，使其具備兼顧全局和局部的均衡搜索能力。適應度較小的個體，應該增加其變異概率，適應度較大的個體，可以減小變異概率[8]。

式中：B為變異概率；S為隨機選擇個體的適應度。

3 工程實例

以改進遺傳神經(jīng)網(wǎng)絡對西露天南幫邊坡位移進行預測為例，其巖體節(jié)理發(fā)育、破碎及風化較嚴重。本文中的邊坡位移數(shù)據(jù)均由雷達系統(tǒng)監(jiān)測得出。從2016月1月1日至2016年3月20日的位移數(shù)據(jù)見表1。

西露天南幫邊坡共有80個位移數(shù)據(jù)，神經(jīng)網(wǎng)絡的訓練時，取前75個作為樣本數(shù)據(jù)，進行訓練。最后5個位移數(shù)據(jù)用來進行預測，同時將改進遺傳神經(jīng)網(wǎng)絡、未改進的遺傳神經(jīng)網(wǎng)絡及BP神經(jīng)網(wǎng)絡進行邊坡位移預測來對照，預測值見表2。

由表2列示明顯看出，改進遺傳神經(jīng)網(wǎng)絡的預測值明顯更接近于為改進的遺傳神經(jīng)網(wǎng)絡預測值和BP神經(jīng)網(wǎng)絡預測值。其他兩種方法相比更接近真實值，改進遺傳神經(jīng)網(wǎng)絡對邊坡位移的預測值的精度是最大的。

4 結論

本文利用改進遺傳算法，采用了一種新的方法對BP神經(jīng)網(wǎng)絡進行優(yōu)化。將交叉算子和變異算子進行改進，進一步提高了遺傳算法的優(yōu)化能力，具有收斂速度快、運算效率高、準確性好的明顯優(yōu)勢。通過改進遺傳神經(jīng)網(wǎng)絡對西露天礦南幫邊坡位移的預測結果可以看出：改進遺傳神經(jīng)網(wǎng)絡的預測精度明顯高于未經(jīng)優(yōu)化的BP神經(jīng)網(wǎng)絡和未經(jīng)優(yōu)化遺傳神經(jīng)網(wǎng)絡預測，預測值更加接近實際測量值。

表1 西露天礦南幫邊坡位移監(jiān)測數(shù)據(jù)

表2 邊坡位移預測值mm

［1］李海蒙，李軍財.國內(nèi)外礦山邊坡監(jiān)測技術應用的最新進展［J］.中國礦業(yè)，2006，15（4）：46-47.

［2］高彩云，崔希民.露天礦高陡邊坡變形預報的最優(yōu)LMBP算法研究［J］.煤炭技術，2015（9）：189-191.

［3］Graupe D.Principles of artificial neural networks［M］. Singapore：WorldScientific，2007.

［4］何方維，朱明，劉文生，等.BP網(wǎng)絡在露天礦邊坡角優(yōu)化中的應用［J］.金屬礦山，2011（1）：35-37.

［5］李松，羅勇，張銘銳.遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的混沌時間序列預測［J］.計算機工程與應用，2011，47（29）：52-55.

［6］王磊.基于遺傳算法的前饋神經(jīng)網(wǎng)絡結構優(yōu)化［D］.大慶：東北石油大學，2013.

［7］丁新啟，張華，李遠.采空區(qū)影響下的高邊坡穩(wěn)定性綜合分析［J］.有色金屬，2009（5）：39-43.

［8］李飛.遺傳算法的改進及其在神經(jīng)網(wǎng)絡控制中的應用研究［D］.大慶：東北石油大學，2011.

［9］李凡月.露天礦邊坡變形監(jiān)測與預測預報系統(tǒng)研究［D］.阜新：遼寧工程技術大學，2012.

【責任編輯：陳毓】

Forecasting of slope displacement based on improved genetic neural network in Fushun West Open-pit Mine

MA Xiyan1,GUAN Shun2,LIU Liang3
(1.China Coal Technology and Engineering Group Shenyang Research Institute,Fushun 113122,China; 2.Graduate School,Liaoning Technical University,Fuxin 123000,China; 3.Huaneng Hulunbei'er Energy Development Co.,Ltd.,Hulunbei'er 021008,China)

The article forecasts the slope displacement prediction accuracy by the improved genetic algorithm,and trains BP neural network,the unimproved genetic neural network,the improved genetic neural network using the radar displacement monitoring data of south slope in Fushun West Open－pit Mine,and obtains the prediction data and makes the comparative analysis.The results show that compared with the real measured displacement data,the displacement prediction of improved genetic neural network has minimum error,and prediction result has the largest accuracy.

improved genetic algorithm;artificial neural network;displacement;forecasting

TD824.7

B

1671－9816（2017）02－0024－03

馬熹焱，關順，劉亮.基于改進遺傳神經(jīng)網(wǎng)絡的撫順西露天礦邊坡位移預測［J］.露天采礦技術，2017，32（2）：24－26.

2016－07－28

馬熹焱（1984—），女，遼寧沈陽人，碩士，畢業(yè)于遼寧工程技術大學環(huán)境工程專業(yè)，現(xiàn)從事露天開采安全研究工作。

DOI∶10.13235/j.cnki.ltcm.2017.02.007