专利名称：矿山竖井工程围岩人工智能分级方法
技术领域：
本发明涉及工程勘探技术领域，具体地说是一种竖井工程围岩稳定性分级评价的人工智能方法，是一种科学合理的竖井工程围岩定量分级方法，可避免目前采用的定性或半定量分级法的缺陷，并消除人为因素产生的误差。
背景技术：
目前工程围岩稳定性分级评价方法多采用事后地质调查获得的资料经常规确定性概率统计的方法处理分析确定经验公式，无法考虑各个影响围岩稳定的因素间的相互作用。随着矿业开采的深度不断加大，竖井工程的数量和深度的不断增加，积累了更多的竖井工程数据，尤其是深度大的竖井资料，在采用层次分析方法充分分析影响矿山竖井围岩稳定性的基础上，找出了影响围岩稳定性的主要因素，这些因素之间与围岩稳定级别之间具有一定的对应关系，但这种关系无法应用数学公式明确表示，而随着科学手段的不断进步，人工神经网络技术适合于建立这些因素与围岩稳定级别的对应关系，神经网络在自学习过程可以自动完成这种相互作用关系权重匹配，对于定量评价竖井工程围岩稳定分级具有重要意义。
发明内容
本发明的目的是建立一种矿山竖井工程围岩人工智能分级方法。本发明矿山竖井工程围岩人工智能分级方法，包括(一)、建立神经网络模型神经网络模型的建立首先是确定影响围岩稳定的主要因素，根据主要因素确定了网络模型的输入、输出信息，然后据此建立模型结构及算法。1)影响围岩稳定分级主要因素八个关键因素⑴埋置深度(自重应力)；(2)岩石饱和单轴抗压强度；⑶围岩完整性指数；(4)岩石质量指标RQD ； (5)岩石重度(自重应力)；(6)地下水；(7)岩石软化系数；(8)主要结构面倾角与竖井轴线的夹角。对地下水、主要结构面倾角与竖井轴线的夹角等定性指标进行量化处理.如表1， 表2。地下水量化表表权利要求
1.一种矿山竖井工程围岩人工智能分级方法，其特征在于㈠、建立神经网络模型神经网络模型的建立首先是确定影响围岩稳定的主要因素，根据主要因素确定了网络模型的输入、输出信息，然后据此建立模型结构及算法；1)影响围岩稳定分级主要因素八个关键因素(1)埋置深度；(2)岩石饱和单轴抗压强度；(3)围岩完整性指数；(4) 岩石质量指标RQD ； (5)岩石重度；(6)地下水；(7)岩石软化系数；(8)主要结构面倾角与竖井轴线的夹角；2)网络模型的输入、输出根据影响围岩的主要因素确定8个输入变量(1)埋置深度；( 岩石饱和单轴抗压强度；C3)围岩完整性指数；(4)岩石质量指标 RQD ； (5)岩石重度；(6)地下水；(7)岩石软化系数；(8)主要结构面倾角与竖井轴线的夹角；根据围岩稳定分级确定输出结果输出结果为围岩稳定性分级用1表示I级；用2表示II级；用3表示III级；用4表示IV 级；用5表示V级；因此网络设计中设计一个神经元表示五种分类状态；3)建立网络结构神经网络结构建模是一个复杂的问题，究竟采用什么样的结构对于模型的准确有很大影响，这里采用的模型结构是根据本人以往研究所确定的，采用四层网络结构，输入节点数目为输入变量个数，输出层等于输出变量个数；BP神经网络可以看成是一个从输入到输出的高度非线性映射，即R8 — Rl ；对于样本集合输入Oq e R8)和输出(yi e Rl), BP神经网络结构；㈡、训练样本集为保证神经网络的合理性和正确性，除了设计合理的网络结构，选取合适的学习参数夕卜，还应具备一定数量的代表性训练样本；本研究是在已有的工程地质勘察资料与围岩实际调查稳定情况资料的基础上选择了有代表性的79个样本，作为网络学习样本，建立矿山竖井围岩稳定性分级评价的神经网络系统；㈢、网络训练应用上述样本对神经网络系统进行训练根椐给出了学习步数与训练系统误差的关系， 网络训练次数10000次，系统误差达到3. 25993e-013精度；㈣、网络仿真神经网络分级的检验，通过仿真学习，验证网络的分类准确性较好。
2.根椐权利要求1所述的一种矿山竖井工程围岩人工智能分级方法，其特征在于对地下水、主要结构面倾角与竖井轴线的夹角等定性指标进行量化处理所述的地下水状态分为完全干燥、潮、湿、淋水、涌水；其权值分别为15、10、7、4、0 ；主要结构面倾角与竖井轴线的夹角为< 30，30 — 60，> 60 ；其系数分别为 0. 4-0. 6,0. 2-0. 4,0-0. 2。
3.根椐权利要求1所述的一种矿山竖井工程围岩人工智能分级方法，其特征在于隐含层节点数的确定第一层神经元数目确定为18个；第二隐含层神经元数目应为第一层的三分之一，确定为6。
4.根椐权利要求1所述的一种矿山竖井工程围岩人工智能分级方法，其特征在于根据围岩稳定分级确定输出结果输出结果为围岩稳定性分级用1表示I级；用2表示II级； 用3表示III级；用4表示IV级；用5表示V级；因此网络设计中设计一个神经元表示五种分类状态。
全文摘要
本发明矿山竖井工程围岩人工智能分级方法，包括㈠、建立神经网络模型；㈡、训练样本集；㈢、网络训练；㈣、网络仿真。其优点是该网络系统操作简单，能够消除人为因素的影响，能够自动找到各因素间的相互作用关系，对于缺乏深部分级经验的竖井工程，该系统可以很好的解决竖井深部高地应力、高地下水压力、高地温等复杂条件下的岩体的稳定性分级，具有很强的工程应用价值。
文档编号G06N3/02GK102496059SQ20111038010
公开日2012年6月13日 申请日期2011年11月25日 优先权日2011年11月25日
发明者万凯军, 李大毛, 杜坤乾, 赵建海 申请人:中冶集团武汉勘察研究院有限公司