基于BP的露天矿边坡可视化研究.docxVIP

基于 BP 的露天矿边坡可视化研究 摘 要： 由于露天矿边坡具有地形复杂、高低起伏等 特点，针对传统边坡可视化的研究方法存在一定的局限性问 题，在此提出基于 BP 神经网络的露天矿边坡三维可视化研 究算法。将露天矿边坡进行三维可视化，剥离等高线并进行 赋值。利用 BP 神经网络，建立等高线预测模型，生成栅格 DEM 矩阵，实现可视化建模。实验结果表明，该算法模型 解决了边坡复杂性问题，克服了传统可视化方法局限性，真 实准确地模拟了现实中边坡的多样性，验证了该方法的有效 性。 关键字： 露天矿边坡； DEM ； BP 神经网络； 可视 化研究 中图分类号： TN919?34 ； TP391.9 文献标识码： A 文 章编号： 1004?373X （ 2014）10?0053?03 Abstract ：A method of researching strip?mine slope ′s 3D visualization based on BP is proposed according to the problem that traditional visual research methods have limitation caused by strip?mine slopes characteristic of complex terrain. The 3D visualization of strip?mine slope is performed ， its contour is assigned， and then the visual contour prediction model is built with BP neural network to generate a grid DEM matrix. The experiment results show that the problem of strip?mine slopes complexion can be solved by this model ， the limitation of traditional methods can be overcome ， and the strip?mine slope’ s diversity can be simulated truly. The validity of the method was verified by the experiment. Keywords ： strip?mine slope； DEM ； BP neural network ； visualization research 0 引 言 随着露天矿的不断开采生产，对露天矿边坡的稳定性及三维可视化的研究变得愈加重要。由于露天矿边坡所处的工程地质和水文条件十分复杂、多变，加之人类工程活动的影 响[1] ，使得边坡具有不确定性、 模糊性等复杂的非线性特点。目前边坡可视化方法已出现很多，主要的有插值法、有限元 分析法、模糊集理论方法等。这些预测方法各具有一定的优点，但对于地形复杂、高低起伏的边坡可视化研究，不能较 好的得到光滑的边坡曲面。研究表明，应用 BP 算法 [2] 处理 复杂的曲面问题具有较好的效果。基于 BP 神经网络算法的 露天矿边坡三维可视化 [3?4] 为可视化以及稳定性研究提供 地质模型，为露天矿开采工程提供准确的综合信息。通过对 边坡等高线进行抽取赋值，利用 BP 神经网络进行训练，建 立基于 BP 网络的露天矿边坡三维模型，从而实现对露天矿 边坡稳定性的准确预测。 1 BP 神经网络 BP 网络的学习需要一个自适应、自调整的过程。它能 帮助人们通过学习这种途经获得带有正确答案的实例集，来 记忆正确的实例模式从而使网络具有了智能性。图 1 为典型 的 BP 网络拓扑结构。 3 BP?3DV 模型建立与实验结果 3.1 BP?3DV 模型建立 根据已知等高线矢量矩阵的高度值，利用 BP 神经网络 进行训练，预测其他未知等高线的高度值，从而根据训练样 本值和预测值得到完整的三维地形图，分析露天矿边坡的稳 定性。 鉴于边坡高低起伏、地形复杂，综合泛化性能和收敛因 素，经过实验分析，选取隐含层数 100 构建 BP 神经网络。 选取（ xn ，yn）作为网络的第 n 个输入层输入， 选取 zn 作为 相应的第 n 输出层输出，令迭代次数 NI=1 000 ，进行神经网 络训练。具体流程如图 4 所示。 BP 神经网络与三维可视化结合，建立可视化模型进行 边坡等高线高度的预测生成。利用得到的等高线高度值，对 应数字高程模型（ Digital Elevation Model ， DEM ）矩阵 [6] ， 即矩阵