目前袁 我国是全球最主要的矿业大国之一袁据
有效数据统计袁 我国矿山尾矿库数量约为 12000
座袁其中袁具有不稳定安全隐患的数量占 37%.尾矿
库边坡是尾矿库的重要组成部分袁其稳定性也决定
了尾矿库的安全性能.对尾矿库边坡稳定性进行分
析和预测成为现阶段研究的热点问题
[1]
.由于尾矿
库边坡具有复杂性及非线性的特点袁同时又会受到
自然因素尧工程因素及运行变化的影响袁因此袁对尾
矿库边坡各影响因素进行处理是进行尾矿库边坡
稳定性预测需要解决的重要问题.
文献[2]作者将灰色理论引入到尾矿库边坡稳
定性预测中袁 进行基于灰色模型的边坡中期预测.
文献[3]考虑了尾矿库边坡各影响因素的作用袁提出
了基于 Verhulst 灰色理论的边坡稳定性的预测模
型.由于尾矿库边坡各影响因素具有较大的随机性
和不确定性袁因此袁传统的预测方法精确度不够高.
BP 神经网络是做智能化计算及分析应用比较广泛
的一种智能算法袁具备线性处理能力袁可以很好地
拟合非线性系统袁适合应用在尾矿库边坡稳定性预
测和分析中.因此袁本文考虑采用 BP 神经网络构建
尾矿库边坡稳定性预测模型袁进行尾矿库边坡稳定
性预测和分析. 由于 BP 神经网络具有收敛速度慢
以及极值容易陷入局部最小的劣势袁提出使用遗传
算法对 BP 神经网络进行改进袁 通过实例仿真测
试袁验证了所提算法的有效性.
1 基于 BP 神经网络的尾矿库边坡稳定性预测
1.1 BP 神经网络原理
BP 神经网络是人工神经网络中的一种袁 其具
有 3 层或者三层以上的误差反向传播网络.BP 神
经网络的组成一般包括三个部分院输入层尧隐含层
和输出层.输入信号从输入层输入袁经隐含层处理
后往输出层进行前向传播袁误差信号则进行反向传
递.其结构图如图 1 所示.
1.2 BP 神经网络尾矿库边坡稳定性预测模型构
建
1.2.1 输入输出样本的选择
基于 BP 神经网络构建为尾矿库边坡稳定性
预测模型袁首先要确定 BP 神经网络模型中输入层
和输出层的节点个数.对于输入向量来说袁其选择
的基本要求是样本变量更容易提取袁同时样本变量
对输出目标的影响更大袁进一步地袁样本变量之间
应具有更小的相关性.对尾矿库边坡来说袁应选择
收稿日期院2019-09-05
基金项目院2019 年安徽高校自然科学研究重点项目渊KJ2019A1159冤曰2018 年度高等学校省级质量工程项目(2018jxtd077)
基于遗传优化 BP 神经网络的尾矿库边坡稳定性预测
王 蒙袁 王 斌袁 王 飞
渊安徽机电职业技术学院 互联网与通信学院袁 安徽 芜湖 241000冤
摘 要院针对 BP 神经网络具有收敛速度慢以及极值容易陷入局部最小的劣势袁提出使用遗传算法对
BP 神经网络进行改进袁 优化 BP 神经网络的权值和阈值袁 并将改进的算法应用于尾矿库边坡稳定性预测
中.算例仿真结果表明袁所提算法对尾矿库边坡稳定性预测具有较高的精确度.
关键词院遗传算法曰BP 神经网络曰尾矿库边坡
中图分类号:TP274 文献标识码:A 文章编号:1673-260X(2019)11-0113-03
Vol.35No.11
Nov.2019
赤峰学院学报(
自然科学版)
JournalofChifengUniversity(NaturalScienceEdition)
第 35 卷第 11 期
2019 年 11 月
图 1 BP 神经网络结构图
113- -
评论0
最新资源