劉妍妮

(陜西交通職業(yè)技術(shù)學(xué)院，陜西 西安　710018)

在國(guó)民經(jīng)濟(jì)迅猛發(fā)展的背景下，礦產(chǎn)資源行業(yè)作為國(guó)家支柱產(chǎn)業(yè)之一實(shí)現(xiàn)了產(chǎn)能規(guī)模的顯著壯大，對(duì)此，國(guó)家與企業(yè)對(duì)礦產(chǎn)資源開發(fā)的生產(chǎn)力水平、生產(chǎn)效率以及可持續(xù)發(fā)展能力提出的要求愈發(fā)嚴(yán)格。隨著《國(guó)家中長(zhǎng)期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要》將水域礦產(chǎn)資源利用率的提高列為國(guó)家發(fā)展的重要領(lǐng)域與優(yōu)先主題[1]，選礦工作作為節(jié)能減排、增效增產(chǎn)的必要生產(chǎn)力手段的重要性越來(lái)越突出。我國(guó)礦產(chǎn)資源的貧、細(xì)、雜特征以及礦山開采與配礦工作的交叉性及隨機(jī)性決定選礦廠面臨原料波動(dòng)很大的問題，如何采集與獲取生產(chǎn)環(huán)節(jié)的關(guān)鍵工藝參數(shù)以及關(guān)鍵信息對(duì)選礦工作的科學(xué)與高效開展而言尤為重要。

人工神經(jīng)網(wǎng)絡(luò)(ANN)是一種有效訓(xùn)練、校驗(yàn)、模擬并預(yù)測(cè)數(shù)據(jù)的專業(yè)化工具，學(xué)習(xí)能力強(qiáng)大，可用于難以用數(shù)學(xué)解析式描述的復(fù)雜非線性系統(tǒng)及非線性關(guān)系的刻畫[2]。理論上來(lái)看，一個(gè)具有三層架構(gòu)的神經(jīng)網(wǎng)絡(luò)系統(tǒng)可對(duì)任意的非線性映射予以實(shí)現(xiàn)，選礦指導(dǎo)本就屬于復(fù)雜的非線性系統(tǒng)，因此，借助人工神經(jīng)網(wǎng)絡(luò)對(duì)選礦工作進(jìn)行描述，同時(shí)，分析其相應(yīng)特性無(wú)疑是一種理想的方法。

1　人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)算法

按照有教師學(xué)習(xí)的方式進(jìn)行訓(xùn)練，以此優(yōu)化BP網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)通過比較輸入值與希望的輸出值(教師值)，可得到兩者之間的差函數(shù)，進(jìn)而調(diào)整自己每1層的連接權(quán)值以及神經(jīng)元闕值，最小化誤差函數(shù)。調(diào)整流程由后向前執(zhí)行，此即誤差反向傳播BP算法[3]。算法具體按照以下步驟實(shí)施：

1)由前至后進(jìn)行輸出值的計(jì)算，得中間層與輸出層輸出值分別為：

式中，P為中間層單元數(shù)；q為輸出層單元數(shù)；n為輸入層個(gè)數(shù)；k為學(xué)習(xí)個(gè)數(shù)；θj為中間層單元闕值；rt為輸出層闕值；wij為輸入層至中間層連接權(quán)值；vjt為中間層至輸出層連接權(quán)值；xi為輸入值。

2)參照誤差從后至前校正：

由此，得到中間層至輸出層(輸入層至中間層)的新連接權(quán)值分別為：

式中?表示學(xué)習(xí)因子。

進(jìn)而可知兩層的新闕值：

重復(fù)以上計(jì)算，直至達(dá)到給定訓(xùn)練次數(shù)或給定誤差終止值為止。

2　選礦指導(dǎo)子模塊整體架構(gòu)與功能分析

2.1　整體架構(gòu)

參照選礦中破碎流程、磨礦流程、產(chǎn)品方案、流程選別方法、選別指標(biāo)、總選方案等基礎(chǔ)指標(biāo)以及精礦品位、精礦回收率、金屬回收率等產(chǎn)品指標(biāo)設(shè)計(jì)相應(yīng)的任務(wù)及用戶與用戶界面，向局部推理機(jī)下達(dá)具體任務(wù)：若精礦品位與產(chǎn)率已知，則進(jìn)行回收率的計(jì)算；若原礦性質(zhì)已知，則繪制選礦工藝流程圖，或進(jìn)行最終選礦產(chǎn)品指標(biāo)的預(yù)測(cè)。在接收具體任務(wù)之后，局部推理機(jī)會(huì)從局部數(shù)據(jù)庫(kù)與局部知識(shí)庫(kù)中獲取相關(guān)信息，若能對(duì)任務(wù)要求予以滿足，則返回至用戶界面，并在全局知識(shí)庫(kù)中記錄任務(wù)與結(jié)果，查重后備案；若不能對(duì)任務(wù)要求予以滿足，則從知識(shí)庫(kù)系統(tǒng)中尋求幫助。知識(shí)庫(kù)系統(tǒng)中信息的修復(fù)與完善工作由專家與知識(shí)工程師負(fù)責(zé)。經(jīng)多次分解，形成一個(gè)發(fā)現(xiàn)問題到求解問題的過程，問題由多個(gè)子任務(wù)共同構(gòu)成，每個(gè)子任務(wù)可通過BP神經(jīng)網(wǎng)絡(luò)模擬與求解。圖1所示為基于人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的選礦指導(dǎo)子模塊整體架構(gòu)。

圖1　基于人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的選礦指導(dǎo)子模塊整體架構(gòu)

2.2　功能分析

與整體框架分析相結(jié)合，基于人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的選礦指導(dǎo)子模塊所包含的功能子網(wǎng)有產(chǎn)品子網(wǎng)、選別方法子網(wǎng)以及選別方案子網(wǎng)[4]。在神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，選礦指導(dǎo)子模塊可正確描述輸入函數(shù)與輸出函數(shù)的關(guān)系，他在知識(shí)庫(kù)中隱藏選別的基礎(chǔ)理論與公式等相關(guān)信息，減免了用戶的了解或操作，使用門檻不高。

在3個(gè)功能子網(wǎng)中，產(chǎn)品子網(wǎng)用于用戶在原礦中對(duì)目的礦物及相應(yīng)脈石礦物的選擇，為礦產(chǎn)資源的綜合利用提供便利；選別方法子網(wǎng)可在用戶完成相關(guān)礦石性質(zhì)與目的礦物種類等基本信息的輸入之后，對(duì)單一流程的選別方法予以明確；選別方案子網(wǎng)可結(jié)合多項(xiàng)有效參數(shù)(如原礦工藝礦物研究結(jié)果、專家?guī)煨畔⒌?制定有效的選別工藝流程。產(chǎn)品子網(wǎng)、選別方法子網(wǎng)以及選別方案子網(wǎng)均由BP神經(jīng)網(wǎng)絡(luò)構(gòu)成，選礦系統(tǒng)模型中的特定指標(biāo)與物理量所對(duì)應(yīng)的神經(jīng)元都是它們的組成內(nèi)容。定性判斷之后，礦石性質(zhì)、產(chǎn)品方案、選別方法、選別流程以及其他可對(duì)選礦指標(biāo)產(chǎn)生影響的因素成為已知，這時(shí)，可再次進(jìn)入計(jì)算選礦指標(biāo)的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，通過輸出神經(jīng)元得到選別指標(biāo)的具體數(shù)值。

3　選礦指導(dǎo)子模塊實(shí)現(xiàn)

3.1　數(shù)據(jù)采集與建模

揭示在數(shù)據(jù)中隱藏的規(guī)律，同時(shí)給出新樣本的預(yù)測(cè)值是基于BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的主要構(gòu)建目的。在進(jìn)行選礦指導(dǎo)研究之時(shí)，模型的構(gòu)建必須以對(duì)礦物統(tǒng)計(jì)數(shù)據(jù)的系統(tǒng)收集為前提，通常以礦山統(tǒng)計(jì)報(bào)表為對(duì)象。選取Y地某銅選車間的月報(bào)表生產(chǎn)數(shù)據(jù)作為原始數(shù)據(jù)進(jìn)行預(yù)測(cè)建模的研究，對(duì)4×8×2拓?fù)浣Y(jié)構(gòu)的BP網(wǎng)絡(luò)予以采用，原礦品位、氧化率、精礦品位與回收率為輸入值，黃藥用量、2號(hào)油用量為輸出值，學(xué)習(xí)率與沖量系數(shù)分別為0.9與0.7。輸入節(jié)點(diǎn)用線性函數(shù)表示，隱層與輸出層節(jié)點(diǎn)則用S型函數(shù)表示。以實(shí)際生產(chǎn)數(shù)據(jù)為基礎(chǔ)進(jìn)行借助BP網(wǎng)絡(luò)的模型構(gòu)建之前，要運(yùn)用線性插值變換預(yù)處理原始數(shù)據(jù)，得到如表1所示數(shù)據(jù)。

表1　Y地某銅選車間月報(bào)表生產(chǎn)數(shù)據(jù)(預(yù)處理后)

BP網(wǎng)絡(luò)學(xué)習(xí)時(shí)，設(shè)置最大總誤差與最大單項(xiàng)誤差分別為0.001與0.000 1，學(xué)習(xí)循環(huán)3 627次之后，模型可對(duì)設(shè)置的誤差要求予以滿足。

3.2　回響檢驗(yàn)

對(duì)學(xué)習(xí)后所構(gòu)建的模型進(jìn)行回響檢驗(yàn)，判斷其可行性，檢驗(yàn)采用的指數(shù)指標(biāo)如下：

式中，E為網(wǎng)絡(luò)期望值；E′為網(wǎng)絡(luò)學(xué)習(xí)后的回響結(jié)果；E″為網(wǎng)絡(luò)期望均值。

若R不小于0.9，則模型對(duì)回響檢驗(yàn)要求予以滿足，創(chuàng)建成功。表2所示為BP人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的回響檢驗(yàn)結(jié)果，由此，黃藥用量、2號(hào)油用量的回響輸出值為0.961與0.967，均超過0.9，故通過回響檢驗(yàn)，亦即基于BP人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)構(gòu)建的選礦指導(dǎo)非線性關(guān)系模型是可行的，適用于實(shí)際生產(chǎn)及選礦任務(wù)的監(jiān)控，若礦石品位與氧化率發(fā)生變化致使選別指標(biāo)不佳，可根據(jù)模型輸入輸出關(guān)系對(duì)選礦藥劑用量進(jìn)行調(diào)整。

表2　BP網(wǎng)絡(luò)回響檢驗(yàn)結(jié)果

4　結(jié)　語(yǔ)

作為一種對(duì)非線性復(fù)雜現(xiàn)象予以解決的智能優(yōu)化算法，人工神經(jīng)網(wǎng)絡(luò)在多信息并行處理與決策分析等問題的解決之上應(yīng)用前景廣泛。經(jīng)訓(xùn)練，神經(jīng)網(wǎng)絡(luò)可在一定數(shù)據(jù)空間內(nèi)對(duì)與現(xiàn)實(shí)規(guī)律相符的數(shù)據(jù)集合進(jìn)行映射，為人們?cè)谏a(chǎn)實(shí)際中對(duì)神經(jīng)網(wǎng)絡(luò)的應(yīng)用提供依據(jù)。文章基于人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)建立選礦指導(dǎo)子模塊，以原礦品位、氧化率、精礦品位以及回收率作為輸入，其中，前兩項(xiàng)表示原礦性質(zhì)，后兩項(xiàng)代表需保障的技術(shù)指標(biāo)；黃藥與2號(hào)油用來(lái)作為輸出，在特定范圍內(nèi)對(duì)必須技術(shù)指標(biāo)所采用的最佳條件提供保證。若原礦品味與氧化率有所改變，輸入所需保證技術(shù)指標(biāo)，便可得出對(duì)應(yīng)的最佳藥劑用量。

由此可知，采用BP人工神經(jīng)網(wǎng)絡(luò)方法構(gòu)建選礦指導(dǎo)子模塊優(yōu)勢(shì)突出：1)自適應(yīng)功能強(qiáng)大，可弱化指標(biāo)權(quán)重確定中人為因素的干擾，比模糊評(píng)判方法的結(jié)果要準(zhǔn)確；2)選礦方案評(píng)價(jià)在現(xiàn)實(shí)的實(shí)施中十分復(fù)雜，相互影響的因素有很多，復(fù)雜的非線性關(guān)系明顯，BP人工神經(jīng)網(wǎng)絡(luò)可為該類問題的處理提供有效工具，在非線性關(guān)系的處理中，線性規(guī)劃明顯不適用，各因素間的相互制約對(duì)層次分析法的應(yīng)用產(chǎn)生限制，故選礦指導(dǎo)建模中若有一定歷史數(shù)據(jù)可供參考，應(yīng)用基于BP人工神經(jīng)網(wǎng)絡(luò)的綜合評(píng)價(jià)法與其他決策評(píng)價(jià)法相比優(yōu)越性更加突出。