基于BP神经网络方法的边坡地表沉降预测研究.pdf

基于BP 神经网络方法的边坡地表沉降预测研究 1 2 1 孙维吉 ，郭嗣琮 ，梁冰 1辽宁工程技术大学力学与工程学院，辽宁阜新 (123000) 2 辽宁工程技术大学理学院，辽宁阜新 (123000) E-mail ：sunweiji-1231@163.com 摘 要：露天开采地表变形受岩体力学性质、地质构造、岩体结构、地应力场、地下水，露 天矿采剥、工程荷载条件、地震作用、气象条件及植被等不确定因素共同影响，应用BP神 经网络方法对抚顺发电有限责任公司厂区地表沉陷变形进行了预测。由预测结果可知，神经 网络预测具有很高的精确性，可以作为一种预测手段对厂区以后的变形量进行预测。 关键词：神经网络，边坡，地表沉降，预测 中图分类号：TD 325 1 引言 建国以来，我国露天开采有了长足发展，在国民经济发展中占有重要地位，随着露天矿 的开采深度的不断增加，形成了许多高陡边坡，这些边坡的稳定与否影响着矿山的安全生产 和矿区周边建筑物的安全稳定。 由于设计不合理而引发的露天矿周围地表移动和变形，甚至造成滑坡、滑动、沉陷、泥 石流、岩崩等严重的地质灾害[1] 。据不完全统计，我国每年，仅由于各种滑坡造成的经济损 失就达数百亿元。在传统的“就矿建城”建设指导思想的影响下，我国建国以来已经形成了 390 多座矿业城（市）镇，这些露天矿大多毗邻大型工业及民用建筑，露天开采引起的邻近 边坡岩体的移动与变形直接关系到附近的工业与民用建筑的安全。而对露天煤矿、铁矿、黄 金矿、磷矿及各种有色矿山而言，边坡稳定又是安全生产的关键。 目前，针对露天边坡岩体邻近地表的沉降变形及其附近大型工业厂房和工业设施稳定性 研究较少。露天开采受岩体力学性质、地质构造、岩体结构、地应力场、地下水，露天矿采 剥、工程荷载条件、地震作用、气象条件及植被等不确定因素影响，地表变形沉陷值大，持 续时间长，是一个十分复杂的力学时空过程，它属于灰色系统[2]，从纯力学机理的角度研究 岩层与地表移动还存在很多困难，随着监测技术及手段的发展，应用神经网络方法进行了露 天边坡地表变形预测。 2 BP 神经网络基本原理和计算方法 2.1 BP 神经网络基本原理 神经网络研究开始于McCulloch 和Pitts(1943 年) ，他们将神经生理学和数理逻辑的研究 描述结合起来，标志着神经网络科学和人工智能科学的诞生。BP(Error Back Propagation)神 经网络是D.E.Rum elhart 和J.C.McClelland 为首的科学小组于 1986 年提出来的一种神经元 模型，是目前应用最为广泛的神经网络之一[3,4] 。其基本原理是网络通过对已知样本模式进 行自适应、自组织的反复学习，掌握该类样本的特征，并将这些特征存储于网络间的连接权 中，在此基础上可以用已经训练好的网络对未知样本进行预测或拟合。从数学的角度来看， BP 网络是一组输入单元到输出单元的映射。若网络输入层有n 个单元，输出层有m 个单元, 则网络可表征为：F : R →R ， y F x 。对于样本集合输入{x}和输出{y},可以认 { } { } n m ( ) - 1 - 为存在某一映射G ，使得 y G x ,i 1, 2, ,n 。可以利用神经网络求解该问题，即要 { } { } ( ) i i 求得一个映射F ，使得在某种意义下F 是G 的最佳逼近。 神经网络是将诸变量间错综复杂的关系以一种自然方式，以数值的形式分布于各