一种胶结充填材料力学性能预测方法
【技术领域】
[0001] 本发明涉及一种充填采煤的充填材料力学性能预测方法，特别是一种胶结充填材 料力学性能预测方法。
【背景技术】
[0002] 随着煤炭开采技术的发展，"绿色开采"成了未来必然的趋势，充填采煤技术是实 现绿色采矿的一个重要途径。充填采煤技术众多，其中胶结充填开采技术是以矿井矸石和 粉煤灰为主要充填材料，在胶结料的作用下按照一定的配比拌合制成无需脱水处理的料 浆，采用充填泵通过管道输送到井下，适时充填采空区的开采方法。胶结充填材料是胶结充 填采煤技术的核心，材料性能如坍落度、泌水率、不同龄期强度等是技术能否成功应用的关 键。由于胶结充填材料力学性能影响因素重多，目前的研宄方法主要是分别针对单因素变 化进行研宄，无法进行全面的多因素交叉分析，不仅试验工程量巨大，而且具有很大的局限 性，给采矿工程现场应用中的生产决策带来困难。
【发明内容】
[0003] 本发明的目的是要提供一种简单准确的胶结充填材料力学性能预测方法，解决无 法进行全面的多因素交叉分析的问题。
[0004] 本发明的目的是这样实现的：该预测方法，是基于引入附加动量法和自适应学习 速率改进的BP神经网络，通过实验室实验获取的样本数据训练和测试网络，然后输入需要 预测的条件，即可得对应的力学性能值；具体包括以下步骤：
[0005] a.针对胶结充填材料力学性能影响因素，所述的胶结充填材料为料浆浓度、粉煤 灰用量、白灰渣用量和水泥用量；不同配比值进行实验室实验，获取不同影响因素配比下充 填材料力学性能值，所述的影响因素为坍落度、泌水率和各龄期抗压强度；得到训练样本和 测试样本；将力学性能值与影响因素的各个配比值归一化处理，确定输入输出向量；
[0006] b.根据输入向量、输出向量构造符合胶结充填材料力学性能预测的BP神经网络 模型，引入附加动量法和自适应学习速率改进BP神经网络预测模型，并根据实验预测精度 要求，设定误差阀值；
[0007] C.利用训练样本训练建立的网络，测试样本测试训练后的网络，调整误差直至达 标；
[0008] d将需要预测的条件输入，即可输出对应的力学性能值。
[0009] 所述的步骤b包括如下过程：
[0010] a).创建基于附加动量法和自适应学习速率改进的BP神经网络预测模型；
[0011] b).根据胶结充填材料力学性能影响因素确定输入层数量为m，根据需预测的力 学性能个数确定输出层数量为n;
[0012] c).根据网络性能指标训练误差（MSE)和训练结果拟合相关系数（R)确定隐层节 点数，隐层传递函数为tansig函数，输出层传递函数为purelin函数。
[0013]有益效果，由于采用了上述方案，基于改进的BP神经网络建立胶结充填材料性能 预测模型，可以预测不同浓度、粉煤灰、白灰渣和水泥用量的胶结充填材料的坍落度、泌水 率、3d、7d、28d的强度等，在实际运用时，根据有限的数据，输入不同条件下影响因素值，即 可输出对应条件下的胶结充填材料性能指标；借助Matlab7. 1平台采用实验室数据对网络 进行训练和测试，操作过程简单，预测精度高。解决了充填采煤的充填材料对力学性能预测 无法进行全面的多因素交叉分析的问题，达到了本发明的目的。
[0014] 优点：该方法具有操作简单，预测精度高，结果可靠，成本低廉等优点。
【附图说明】：
[0015] 图1是本发明的胶结充填材料性能预测方法流程图。
[0016] 图2是本发明的BP神经网络训练结果图。
[0017] 图3是本发明的BP神经网络训练误差曲线图。
【具体实施方式】
[0018] 下面结合附图对本发明的一个实施例作进一步的说明。
[0019] 实施例1 :该预测方法，是基于引入附加动量法和自适应学习速率改进的BP神经 网络，通过实验室实验获取的样本数据训练和测试网络，然后输入需要预测的条件，即可得 对应的力学性能值；具体包括以下步骤：
[0020] a.针对胶结充填材料力学性能影响因素，所述的胶结充填材料为料浆浓度、粉煤 灰用量、白灰渣用量和水泥用量；不同配比值进行实验室实验，获取不同影响因素配比下充 填材料力学性能值，所述的影响因素为坍落度、泌水率和各龄期抗压强度；得到训练样本和 测试样本；将力学性能值与影响因素的各个配比值归一化处理，确定输入输出向量；
[0021] b.根据输入向量、输出向量构造符合胶结充填材料力学性能预测的BP神经网络 模型，引入附加动量法和自适应学习速率改进BP神经网络预测模型，并根据实验预测精度 要求，设定误差阀值；
[0022] c.利用训练样本训练建立的网络，测试样本测试训练后的网络，调整误差直至达 标；
[0023] d将需要预测的条件输入，即可输出对应的力学性能值。
[0024]所述的步骤b包括如下过程：
[0025] a).创建基于附加动量法和自适应学习速率改进的BP神经网络预测模型；
[0026] b).根据胶结充填材料力学性能影响因素确定输入层数量为m，根据需预测的力 学性能个数确定输出层数量为n;
[0027] c).根据网络性能指标训练误差（MSE)和训练结果拟合相关系数（R)确定隐层节 点数，隐层传递函数为tansig函数，输出层传递函数为purelin函数。
[0028] 具体的：
[0029] a.针对胶结充填材料力学性能影响因素，如料浆浓度、粉煤灰用量、白灰渣用量和 水泥用量等，不同配比值进行实验室实验，获取不同影响因素配比下充填材料力学性能值， 如坍落度、泌水率、各龄期抗压强度等，得到训练样本和测试样本。将力学性能值与影响因 素的各个配比值归一化处理，确定输入输出向量。
[0030] 根据某矿生产的实际情况，为了研宄胶结充填材料配比对其性能的影响，需要在 合理范围内调整料浆浓度、粉煤灰用量、白灰渣用量和水泥用量，针对不同配比进行试验。 具体试验配比方案见表1。
[0031] 表 1
[0032]
【主权项】
1. 一种胶结充填材料力学性能预测方法，其特征在于基于引入附加动量法和自适应学 习速率改进的BP神经网络，通过实验室实验获取的样本数据训练和测试网络，然后输入需 要预测的条件，即可得对应的力学性能值；具体包括以下步骤： a. 针对胶结充填材料力学性能影响因素，所述的胶结充填材料力学性能影响因素为料 浆浓度、粉煤灰用量、白灰渣用量和水泥用量；不同配比值进行实验室实验，获取不同影响 因素配比下充填材料力学性能值，所述的影响因素为坍落度、泌水率和各龄期抗压强度；得 到训练样本和测试样本；将力学性能值与影响因素的各个配比值归一化处理，确定输入输 出向量； b. 根据输入向量、输出向量构造符合胶结充填材料力学性能预测的BP神经网络模型， 引入附加动量法和自适应学习速率改进BP神经网络预测模型，并根据实验预测精度要求， 设定误差阀值； c. 利用训练样本训练建立的网络，测试样本测试训练后的网络，调整误差直至达标； d. 将需要预测的条件输入，即可输出对应的力学性能值。
2. 根据权利要求1所述的一种胶结充填材料力学性能预测方法，其特征在于：所述的 步骤b包括如下过程： a) 创建基于附加动量法和自适应学习速率改进的BP神经网络预测模型； b) 根据胶结充填材料力学性能影响因素确定输入层数量为m，根据需预测的力学性能 个数确定输出层数量为n; c) 根据网络性能指标训练误差（MSE)和训练结果拟合相关系数（R)确定隐层节点数， 隐层传递函数为tansig函数，输出层传递函数为purelin函数。
【专利摘要】一种胶结充填材料力学性能预测方法，属于充填采煤的充填材料力学性能预测方法。利用改进的BP神经网络基于已有的数据样本，对未进行测试的配比材料力学性能进行预测。步骤：首先，选取胶结充填材料力学性能影响因素，如料浆浓度、干料配比，作为输入层节点；其次选取需要预测的力学性能指标，如坍落度、泌水率、不同龄期抗压强度，作为输出层节点；实验测试不同配比材料的力学性能值，所得数据作为训练样本和测试样本；确定输入输出向量，建立引入附加动量法和自适应学习速率改进的BP神经网络，并对网络进行训练和测试；最后，将需要预测的条件输入，即可输出对应的力学性能值。该预测方法效率高，结果精准，成本低廉，能满足生产实践活动的需求。
【IPC分类】G06N3-02, G06Q10-04
【公开号】CN104820870
【申请号】CN201510219473
【发明人】邓雪杰, 张吉雄, 李百宜, 安百富, 康涛
【申请人】中国矿业大学
【公开日】2015年8月5日
【申请日】2015年4月30日