基于殘差型G－LSSVM的巖石冒落高度及碴石厚度預(yù)測(cè)

陳尚波 張耀平 夏弋江 田留峰

(1.江西理工大學(xué)資源與環(huán)境工程學(xué)院;2.江西理工大學(xué)應(yīng)用科學(xué)學(xué)院)

由于礦山地下開采形成的空區(qū)受巖體結(jié)構(gòu)、地質(zhì)構(gòu)造、地下水等自然因素及采礦工藝、爆破震動(dòng)等人為因素的影響，空區(qū)冒落預(yù)測(cè)結(jié)果往往與實(shí)際監(jiān)測(cè)結(jié)果相差甚大［1-2］。傳統(tǒng)用于覆蓋層冒落高度及碴石厚度監(jiān)測(cè)的方法有地質(zhì)雷達(dá)法、高密度電法、超聲波探測(cè)儀、鉆孔攝影等，而對(duì)于冒落高度及碴石厚度的人工智能方法預(yù)測(cè)尚處于起步階段。本研究結(jié)合灰色模型 GM(1，1)［3-4］、最小二乘支持向量機(jī)(LSSVM)［5］等人工智能方法的優(yōu)勢(shì)，將殘差型灰色最小二乘支持向量機(jī)預(yù)測(cè)模型(G－LSSVM)應(yīng)用于某鐵礦的覆蓋層冒落高度及碴石厚度預(yù)測(cè)中［6］，其結(jié)果與實(shí)際鉆孔攝影監(jiān)測(cè)對(duì)比分析，結(jié)果表明，殘差灰色最小二乘支持向量機(jī)(GLSSVM)預(yù)測(cè)模型對(duì)于實(shí)際冒落情況的預(yù)測(cè)是有效可行的。

1 基本原理

1.1 灰色最小二乘支持向量機(jī)模型［7-8］

首先對(duì)監(jiān)測(cè)的原始數(shù)據(jù)按照運(yùn)用鉆孔攝像監(jiān)測(cè)得到原始數(shù)據(jù)

進(jìn)行初步疊加生成富有規(guī)律的新序列

然后根據(jù)新序列，利用結(jié)構(gòu)簡(jiǎn)單、算法簡(jiǎn)練的LSSVM列建立預(yù)測(cè)模型。預(yù)測(cè)的目標(biāo)在于要尋找i+p時(shí)刻的序列值與前p個(gè)時(shí)刻的序列值，…，的邏輯關(guān)系，即確定映射關(guān)系

X1i為p+i時(shí)刻的序列行向量，

K()為核函數(shù);系數(shù)ai(i=1，2，…，n － p)，b是通過求解式(4)得到。

1.2 殘差灰色最小二乘支持向量機(jī)

頂板冒落序列可包括具有確定性的趨勢(shì)項(xiàng)和未確知性的隨機(jī)項(xiàng)2種成分，其響應(yīng)成分模型可表示為

式中，Ut為冒落高度及碴石厚度的具有確定性的趨勢(shì)項(xiàng);Vt為未確知的隨機(jī)項(xiàng)，由于其受到人類地下工程活動(dòng)以及地震等突發(fā)事件的影響，故將其認(rèn)作為趨勢(shì)項(xiàng)的隨機(jī)項(xiàng)。

建模結(jié)構(gòu)如圖1，首先用GM(1，1)模型對(duì)數(shù)據(jù){x(0)(i)}，i=1，2，…，n，進(jìn)行預(yù)測(cè)，得到一組殘差序列

然后用LSSVM模型對(duì)殘差e(0)(i)進(jìn)行預(yù)測(cè)，得預(yù)測(cè)值^e(0)(i)，因此模型最終預(yù)測(cè)值

圖1 殘差型灰色最小二乘支持向量機(jī)

2 工程實(shí)例

安徽省廬江某鐵礦為一隱伏的大型磁鐵礦床。礦床位于低山丘陵區(qū)，地表標(biāo)高一般在40～200 m，礦體賦存在－268.07～－507.41 m標(biāo)高內(nèi)。因該鐵礦經(jīng)濟(jì)價(jià)值高，加之礦區(qū)地表允許崩落，礦床的開采方式適用于地下開采方法中的無底柱分段崩落采礦方法，該工藝簡(jiǎn)單可靠、機(jī)械化程度高、生產(chǎn)成本低、作業(yè)安全。采用無底柱分段崩落法，對(duì)于加強(qiáng)對(duì)頂板冒落情況的監(jiān)測(cè)，利用人工智能方法對(duì)空區(qū)巖石冒落厚度及碴石厚度的預(yù)測(cè)對(duì)實(shí)現(xiàn)礦山長(zhǎng)期安全、高效、最大限度的回收資源顯得尤為重要。

由于受到空區(qū)自身?xiàng)l件和監(jiān)測(cè)技術(shù)的限制，傳統(tǒng)的監(jiān)測(cè)手段難以準(zhǔn)確地探明空區(qū)頂板圍巖的冒落情況，這給工程技術(shù)人員對(duì)后期的空區(qū)處理帶來了很大的困擾，尤其是對(duì)于采用無底柱分段崩落法的金屬礦山，其采空區(qū)頂板的冒落情況直接影響到后續(xù)礦體回采的安全性，而采用頂板鉆孔攝影監(jiān)測(cè)技術(shù)可以較好地滿足這一工程要求，獲得可靠的空區(qū)頂板冒落情況的圖像和數(shù)據(jù)。為了獲得空區(qū)頂板受開采影響的冒落情況，自2010年3月至2011年8月，施工4個(gè)觀測(cè)鉆孔，其中CZK01與空區(qū)聯(lián)通，自2011年4月起開始逐月監(jiān)測(cè)，監(jiān)測(cè)儀器及現(xiàn)場(chǎng)監(jiān)測(cè)相關(guān)圖片如圖2～圖5所示，現(xiàn)場(chǎng)取得監(jiān)測(cè)數(shù)據(jù)見表1，利用SVM、GM(1，1)、殘差型灰色最小二乘支持向量機(jī)分別對(duì)該鉆孔觀測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)，最后由可得到預(yù)測(cè)結(jié)果見表2、表3。

圖2 JSP－1型視頻測(cè)井儀

通過圖6、圖7對(duì)3種模型預(yù)測(cè)的結(jié)果與鉆孔攝影監(jiān)測(cè)結(jié)果進(jìn)行了比較，充分表明:殘差型GLSSVM預(yù)測(cè)的數(shù)據(jù)曲線與實(shí)際監(jiān)測(cè)數(shù)據(jù)曲線最為接近，充分顯示了這種新的信息處理和預(yù)測(cè)方法要優(yōu)于單一的GM(1，1)和SVM，該模型可以避免單一人工智能方法預(yù)測(cè)的盲目性和隨機(jī)性。

圖3 攝像儀入孔照片

圖4 絞車照片

圖5 電腦監(jiān)測(cè)照片

表1 某鐵礦巖石冒落高度及碴石厚度監(jiān)測(cè)數(shù)據(jù) m

3 結(jié)語

結(jié)合了最小二乘支持向量機(jī)、灰色模型等人工智能方法各自在工程應(yīng)用領(lǐng)域上優(yōu)勢(shì)，提出了基于殘差型灰色最小二乘支持向量機(jī)的智能預(yù)測(cè)方法，并簡(jiǎn)述了其建模思路及關(guān)鍵步驟。將支持向量機(jī)、灰色模型及殘差型灰色最小二乘支持向量機(jī)模型分別用于某鐵礦覆蓋層冒落高度及碴石厚度預(yù)測(cè)，預(yù)測(cè)的結(jié)果與實(shí)際冒落情況基本吻合得。實(shí)踐表明:用殘差型GLSSVM來預(yù)測(cè)覆蓋巖層及碴石厚度的方法是有效可行的，可以推廣到相關(guān)工程領(lǐng)域的應(yīng)用，準(zhǔn)確及時(shí)的預(yù)測(cè)到冒落高度及碴石厚度對(duì)于地下鐵礦石資源安全、高效的回收具有極其重大的意義。

表2 冒落高度實(shí)測(cè)值與3種模型預(yù)測(cè)值 m

表3 碴石厚度實(shí)測(cè)值與3種模型預(yù)測(cè)值 m

圖6 冒落高度實(shí)測(cè)值與3種模型預(yù)測(cè)值比較

圖7 碴石厚度實(shí)測(cè)值與3種模型預(yù)測(cè)值比較

［1］ 劉國(guó)生，張園遠(yuǎn)，閆 昆，等.巢湖北部山區(qū)礦山開采現(xiàn)狀分析及保護(hù)措施［J］.資源環(huán)境與工程，2011，25(4):353-357．

［2］ 劉愛華，李夕兵，趙國(guó)彥．特殊礦產(chǎn)資源開采方法與技術(shù)［M］.長(zhǎng)沙:中南大學(xué)出版社，2009．

［3］ 蔣 剛，林魯生，劉祖德，等.邊坡變形的灰色預(yù)測(cè)模型［J］.巖土力學(xué)，2000，21(3):244-246.

［4］ Suykens J K.Optimal control by least squares sup-port vector machines［J］.Neural Networks，2001，14(1):23-25.

［5］ 許建華，張學(xué)工，李衍達(dá).基于最小二乘支持向量機(jī)的油氣判別技術(shù)［J］.模式識(shí)別與人工智能，2002，15(4):507-509.

［6］ 趙洪波，馮夏庭.非線性位移時(shí)間序列預(yù)測(cè)的進(jìn)化一支持向量機(jī)方法及應(yīng)用［J］.巖土工程學(xué)報(bào)，2003，25(4):468-471.

［7］ 馬文濤.基于灰色最小二乘支持向量機(jī)的邊坡位移預(yù)測(cè)［J］.巖土力學(xué)，2010，31(5):1670-1674.

［8］ 李 瀟.灰色最小二乘支持向量機(jī)在滑坡變形預(yù)測(cè)中的應(yīng)用［J］.測(cè)繪通報(bào)，2010(6):44-46.