基于BP神經(jīng)網(wǎng)絡(luò)算法的開(kāi)采沉陷巖體力學(xué)參數(shù)反演研究

張吉林,曹龍飛,岳永鵬

(山西中陽(yáng)張子山煤業(yè)有限公司, 山西 呂梁市 033000)

0 引 言

在我國(guó)能源結(jié)構(gòu)中,煤炭占有很大比例,約為62%,目前,我國(guó)大部分礦井為井工開(kāi)采,地下煤炭的開(kāi)采勢(shì)必引起壞境的破壞,造成地標(biāo)建筑物損壞和土地破壞等問(wèn)題.因此,有必要對(duì)煤礦開(kāi)采地表沉陷區(qū)域進(jìn)行治理.而定量計(jì)算和預(yù)測(cè)煤礦開(kāi)采地表沉陷區(qū)域是進(jìn)行治理的先決條件,目前主要采用概率積分法進(jìn)行計(jì)算和預(yù)測(cè),并取得了較大經(jīng)濟(jì)效益[1G4],但地表沉陷是復(fù)雜的過(guò)程,采用的隨機(jī)假設(shè)與巖體力學(xué)不符,無(wú)法整體把握沉降,為了準(zhǔn)確獲得用于開(kāi)采沉陷的模擬參數(shù),采用神經(jīng)網(wǎng)絡(luò)進(jìn)行反演,獲得了與實(shí)測(cè)比較吻合的參數(shù),研究結(jié)果對(duì)于全面掌握煤礦開(kāi)采引起的地表沉陷具有重要意義[5G7].

煤礦開(kāi)采后覆巖將分成三帶,本文引入一個(gè)帶沖積層,分成4個(gè)帶,各帶的力學(xué)特性不同,根據(jù)對(duì)地表的影響程度選取三帶的彈性模量和抗拉強(qiáng)度以及松散層的彈性模量7個(gè).

1 BP神經(jīng)網(wǎng)絡(luò)

1.1 原 理

BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò),能學(xué)習(xí)和存貯大量的輸入－輸出模式映射關(guān)系,而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程,能為不可逆等問(wèn)題提供解決方案.

其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示,各神經(jīng)元輸出滿足式(1)[2,4,5].

式中,yk為輸出值;f為映射;θk為閾值;n1為神經(jīng)元;wjk為權(quán)重;xj為輸入層.

圖1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

1.2 數(shù)值模擬及反演過(guò)程

采用FLAC3D進(jìn)行相關(guān)的數(shù)值模擬,力學(xué)反演過(guò)程實(shí)際是建立在大量數(shù)據(jù)基礎(chǔ)上,獲得大量的基礎(chǔ)數(shù)據(jù)進(jìn)行反演,為了計(jì)算方便和提高效率,采用正交實(shí)驗(yàn),依據(jù)正交實(shí)驗(yàn)結(jié)果采用神經(jīng)網(wǎng)絡(luò)進(jìn)行反演.

2 工程概況

以晉煤集團(tuán)郭莊礦9213工作面作為實(shí)驗(yàn)礦井,主采9＃煤層,厚度約1.19~2.36 m,開(kāi)采厚度約為2 m,平均傾角8°,煤層埋深480 m,采用走向長(zhǎng)壁機(jī)械化開(kāi)采,傾向和走向分別為189 m和1590 m,日進(jìn)3.2 m,老頂為砂巖,老底為粉砂巖,直接底為泥巖,開(kāi)采過(guò)程中對(duì)地表進(jìn)行觀測(cè),并采用神經(jīng)網(wǎng)絡(luò)建立9213工作面地表沉降模型.

3 數(shù)值模擬

3.1 地表沉降模擬

采用FLAC3D進(jìn)行模擬,根據(jù)鉆孔資料,得出相關(guān)各帶巖層力學(xué)參數(shù)如表1所示.

表1 力學(xué)參數(shù)

根據(jù)工作面實(shí)際情況設(shè)置模型高600 m,走向2500 m,傾向1250 m,正交試驗(yàn)方案見(jiàn)表2,根據(jù)表1和表2進(jìn)行模擬得出下沉結(jié)果如圖2所示,模擬結(jié)果與力學(xué)參數(shù)有較大關(guān)系,不同的力學(xué)參數(shù)得到不同的沉降數(shù)據(jù),因此采用神經(jīng)網(wǎng)絡(luò)建立力學(xué)參數(shù)與地表沉降映射關(guān)系.

表2 正交實(shí)驗(yàn)方案

圖2 數(shù)值模擬試驗(yàn)結(jié)果

3.2 神經(jīng)網(wǎng)絡(luò)映射關(guān)系建立

采用9213工作面實(shí)測(cè)數(shù)據(jù)作為輸入數(shù)據(jù)進(jìn)行力學(xué)參數(shù)的反演,得到如表3所示的數(shù)據(jù)結(jié)果.

采用表3的平均數(shù)據(jù)進(jìn)行模擬計(jì)算,得出如圖3所示的沉降數(shù)據(jù)曲線.

由圖3可知,反演參數(shù)數(shù)值模擬下沉值與實(shí)測(cè)值有較好的一致性,最大絕對(duì)誤差為4 c m,最大相對(duì)誤差為11.6%,采用的神經(jīng)網(wǎng)絡(luò)可根據(jù)多次試驗(yàn)數(shù)據(jù)建立地表移動(dòng)與力學(xué)參數(shù)的曲線,為準(zhǔn)確計(jì)算煤層開(kāi)采引起的地表沉降提供了一個(gè)方法.

表3 力學(xué)參數(shù)反演結(jié)果

圖3 反演參數(shù)數(shù)值模擬下沉值與實(shí)測(cè)值對(duì)比

4 結(jié) 論

(1)采用的神經(jīng)網(wǎng)絡(luò)的參數(shù)反演方法建立了地表下沉與覆巖力學(xué)參數(shù)的映射關(guān)系,反演參數(shù)數(shù)值模擬下沉值與實(shí)測(cè)值有較好的一致性,滿足工程需要.

(2)試驗(yàn)中采用正交實(shí)驗(yàn),確定了7個(gè)影響因素的實(shí)驗(yàn)方案,降低了實(shí)驗(yàn)次數(shù),提高了效率,為數(shù)值模擬提供了有效的實(shí)驗(yàn)效果.

(3)最大絕對(duì)誤差為4 c m,最大相對(duì)誤差為11.6%.

(4)采用基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)值模擬反算模型,解決了傳統(tǒng)力學(xué)模型存在的問(wèn)題,可獲得準(zhǔn)確的數(shù)值模擬參數(shù),再利用此參數(shù)模擬煤層開(kāi)采覆巖沉降,對(duì)于整體掌握覆巖沉陷具有重要意義.

[1] 賈林剛,孫岐發(fā).緊鄰露天礦的地表移動(dòng)變形神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[J].煤炭技術(shù),2015,34(8):100G102.

[2] 張?jiān)品?李偉豪.淺埋近距離采空區(qū)下綜放開(kāi)采覆巖運(yùn)動(dòng)規(guī)律研究[J].煤炭技術(shù),2016,35(2):10G12.

[3] 江文武,雷春輝.構(gòu)造應(yīng)力型淺埋礦山開(kāi)采引起地表沉陷機(jī)理研究[J].煤炭技術(shù),2016,35(2):27G30.

[4] 王創(chuàng)業(yè),曾祥柱,欒春雪.基于正交試驗(yàn)的錦界煤礦開(kāi)采沉陷影響因素分析[J].煤炭技術(shù),2015,34(2):1G3.

[5] 李培現(xiàn).開(kāi)采沉陷巖體力學(xué)參數(shù)反演的BP神經(jīng)網(wǎng)絡(luò)方法[J].地下空間與工程學(xué)報(bào),2013,9(S1):1543G1548.

[6] 孫秀英,王 倩.基于改進(jìn)型BP算法的煤礦瓦斯預(yù)測(cè)與仿真研究[J].煤炭技術(shù),2014,33(3):19G21.

[7] 劉 健,劉澤功,馬俊楓.基于神經(jīng)網(wǎng)絡(luò)的礦井瓦斯涌出量預(yù)測(cè)系統(tǒng)及應(yīng)用研究[J].煤炭技術(shù),2008,27(11):71G74.