极限训练机在矿山开采最大下沉值估算中的应用.pdfVIP

第４８卷 第８期 人　民　长　江 Ｖｏｌ．４８，Ｎｏ．８ ２０１７年 ４月　 　 Ｙａｎｇｔｚｅ　Ｒｉｖｅｒ　 　 Ａｐｒ．， ２０１７ 　　文章编号：１００１－４１７９（２０１７）０８－００６８－０５ 极限训练机在矿山开采最大下沉值估算中的应用 １ ２ 李 骅 锦 ，何 雨 森 （１．成都理工大学 地质灾害防治与地质环境保护国家重点实验室，四川 成都６１００５９；　２．爱荷华大学 智能系统 研究实验室，美国 爱荷华城 ５２２４２） 摘要：矿山开采过程中采空区地表往往会发生形变，研究其最大下沉值对安全生产具有重要意义，现有的开采 最大下沉估算方法还有提升的空间。基于岩移数据决策与极限训练机（Ｅｘｔｒｅｍｅｌｅａｒｎｉｎｇｍａｃｈｉｎｅ，ＥＬＭ）算 法，提出了一种估计最大下沉的新方法。该方法将采厚、倾角、平均采深、走向长度、倾向长度和覆岩岩性确定 为最大下沉值影响因素；应用以Ｓｉｇｍｏｉｄ方程为核函数、隐含层神经元个数为 １１４的 ＥＬＭ模型对最大下沉值 进行了估算。通过案例分析，ＥＬＭ模型得到了优于传统算法如 ＣＨＡＩＤ、ＢｏｏｓｔｅｄＴｒｅｅ、ＡＮＮ、ＢＰＮＮ和 ＳＶＭ的 ＲＭＳＥ、ＭＡＥ、ＭＡＰＥ、最大残差及秩相关系数，故认为该模型是一种有效的矿山开采最大下沉估算方法。 关　键　词：最大下沉值估算；岩移数据决策；极限训练机；矿山开采 中图法分类号：Ｐ６４２　　　文献标志码：Ａ ＤＯＩ：１０．１６２３２／ｊ．ｃｎｋｉ．１００１－４１７９．２０１７．０８．０１５ 　　在矿山开采过程中，采空区地表往往会产生形变， 此方法在相似地质采矿条件下估计结果精度较高，但 其形变量不容忽视。我国自２０世纪９０年代以来，由 是岩体条件往往复杂多变［１０］，实际情况与基本假设存 煤矿开采形成的地表坍陷每年均有增加的趋势，到 ［６］ 在较大偏差，导致该方法在实际应用中效果较差 。 ２［１］ ２００５年累计达４０余万 ｈｍ 。地表移动盆地的最大 基于上述不足，国内外专家将模糊理论、神经网络、支 下沉值是反映地表移动与变形程度的一个重要参数， 持向量机等非线性手段应用到了矿山开采的最大下沉 且水平移动和各项变形值的大小均可表示成最大下沉 值估计中，取得了不错的效果［１１－１６］。但是，模糊理论 值的关系函数［２－３］。基于该观点，研究最大下沉值成 在空间搜索上具有不确定性，使得计算量较大，容易漏 为矿山开采沉陷预估的重点研究内容［４－５］。 掉全局最优解而仅得到局部最优解；神经网络算法参 在开采沉陷最大下沉估计的研究中，现阶段主要 数的确定，如隐层数目的确定对使用者经验要求很高， 包括数值模拟方法（有限元法、边界元法、离散元法）、 科学选择隐含层数目也缺乏理论指导依据，也限制了 ［６］ ［２－３］ 实测分析法 、影响函数法等方法 。由于数值模 它的推广；支持向量机方法是一种稀疏化算法，能较好 拟是一种基于岩体力学参数、岩土结构和数学假设的 解决复杂的非线性问题，但是该方法对核函数选取要 方法；模型对岩体物理力学参数过分依赖，计算量较 求较高。 大，大范围内要取得岩体物理力学参数及地质构造特 近些年，一种名为极限训练机（Ｅｘｔｒｅｍｅｌｅａｒｎｉｎｇ 征参数难度较高，也限制了该方法的推广。实测分析 ｍａｃｈｉｎｅ，ＥＬＭ）的单隐层前馈神经网络（ｓｉｎｇｌｅ－ｈｉｄ 法基于大量实测数据，通过线性数