基于多源信息融合的礦巖可爆性評(píng)價(jià)模型

巖流的可爆性也稱為巖流，是巖流阻力和爆炸困難的指標(biāo)。礦巖可爆性分級(jí)是一項(xiàng)應(yīng)用性很強(qiáng)的基礎(chǔ)理論課題,它是進(jìn)行爆破參數(shù)優(yōu)化研究的基礎(chǔ)。近幾十年來,國(guó)內(nèi)外學(xué)者進(jìn)行了大量的研究工作。總的來說,取得了以下兩方面的進(jìn)展:(1)礦巖可爆性分級(jí)從只考慮單因素向綜合考慮多因素發(fā)展。(2)采用數(shù)學(xué)建?；蛘呷斯ぶ悄芊椒▽?duì)礦巖可爆性進(jìn)行分級(jí),比如采用灰色理論、神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊綜合評(píng)判、蟻群算法、熵權(quán)屬性識(shí)別、加權(quán)聚類分析方法、博弈論-物元可拓模型等。由于現(xiàn)場(chǎng)試驗(yàn)費(fèi)時(shí)、費(fèi)力,而從公開發(fā)表的文獻(xiàn)來看,采用數(shù)學(xué)建?；蛘呷斯ぶ悄芊椒ㄟM(jìn)行礦巖可爆性研究大多只是與其他文獻(xiàn)進(jìn)行比較,與實(shí)際工程相結(jié)合的較少。本文在東北大學(xué)鈕強(qiáng)等人建立的“巖石爆破指數(shù)”分級(jí)方法的基礎(chǔ)上,采用多源信息融合中的粗糙集和BP神經(jīng)網(wǎng)絡(luò)理論,建立了新的礦巖可爆性評(píng)價(jià)模型,對(duì)評(píng)價(jià)模型的準(zhǔn)確性進(jìn)行了驗(yàn)證,并在云南某地下礦山的采場(chǎng)深孔爆破中進(jìn)行了實(shí)際應(yīng)用。1對(duì)常用方法的綜合信息處理多源信息融合技術(shù)起源于美國(guó),它是關(guān)于如何協(xié)同利用多源信息,以獲得對(duì)同一事物或目標(biāo)更客觀、更本質(zhì)認(rèn)識(shí)的綜合信息處理技術(shù)。多源信息融合的常用方法分為傳統(tǒng)數(shù)學(xué)方法和人工智能兩大類。前者有加權(quán)平均法、卡爾曼濾波法、多貝葉斯估計(jì)法和Dempster-Shafer(D-S)證據(jù)推理等;后者有模糊邏輯理論、神經(jīng)網(wǎng)絡(luò)、粗糙集理論和專家系統(tǒng)等。1.1企業(yè)主義屬性粗糙集理論首先由波蘭的Pawlak教授于1982年提出,可以有效解決屬性冗余的問題。在該理論中,知識(shí)的表達(dá)通過信息系統(tǒng)來實(shí)現(xiàn),以四元組S=(U,A,V,f)的形式存在。其中S為知識(shí)表達(dá)系統(tǒng);U={x1,x2,…,xn},稱為論域;A={a1,a2,…,am},A中的每個(gè)aj(j≤m)稱為一個(gè)屬性;Va∈∪AVa,Va為屬性a的值域;f:U×A→V為一信息函數(shù),表示對(duì)每一個(gè)a∈A,x∈U,f(x,a)∈Va。1.1.1屬性集集dx式中a(x)是對(duì)象x在屬性a上的值;d(x)是記錄x在D上的值;C和D分別表示條件屬性集和決策屬性集。其中表示mij包含屬性的個(gè)數(shù)。1.1.3屬性約為簡(jiǎn)單屬性約簡(jiǎn)指的是在保持知識(shí)庫分類能力不變的情況下,去掉其中不重要或者不相關(guān)的冗余屬性,可以采用計(jì)算機(jī)編程或者相關(guān)軟件來實(shí)現(xiàn)。1.2隱蔽層節(jié)點(diǎn)個(gè)數(shù)BP神經(jīng)網(wǎng)絡(luò)是一種基于誤差反饋的人工神經(jīng)網(wǎng)絡(luò),典型的網(wǎng)絡(luò)結(jié)構(gòu)由一個(gè)輸入層,一個(gè)隱含層和一個(gè)輸出層構(gòu)成。神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果與隱含層節(jié)點(diǎn)的數(shù)目關(guān)系密切,隱含層節(jié)點(diǎn)的個(gè)數(shù)L可以由以下2個(gè)公式來確定:式中s,w分別表示輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)的個(gè)數(shù);a為1~10之間的常數(shù)。1.3信息融合的級(jí)別根據(jù)多源信息融合中的數(shù)據(jù)抽象層次,信息融合可以劃分為3個(gè)級(jí)別,即:數(shù)據(jù)級(jí)融合、特征級(jí)融合和決策級(jí)融合。本文主要采用數(shù)據(jù)級(jí)融合和特征級(jí)融合。1.3.1礦巖可爆性數(shù)據(jù)級(jí)融合過程用Ci(i=1,2,…,6)表示由漏斗體積、大塊率、小塊率、平均合格率、巖體聲波速度和波阻抗組成的屬性集,則礦巖可爆性數(shù)據(jù)級(jí)融合過程如圖1所示。1.3.2基于bp網(wǎng)絡(luò)特征的整合用Cj(j≤5)表示粗糙集約簡(jiǎn)后的屬性集,則礦巖可爆性特征級(jí)融合過程如圖2所示。2數(shù)據(jù)來源和處理2.1爆破漏斗體積及密度鈕強(qiáng)等人曾對(duì)我國(guó)10余個(gè)金屬礦山的51種典型礦巖進(jìn)行了可爆性分級(jí)試驗(yàn),得到56組數(shù)據(jù),并建立了一個(gè)可爆性指數(shù)N值的計(jì)算公式:式中N為礦巖可爆性指數(shù);V為爆破漏斗的體積,m3;K1為大塊率,%;K2為小塊率,%;K3為平均合格率,%;ρ為礦巖密度,g/cm3;cp為礦巖彈性縱波的速度,m/s;ρcp為礦巖彈性波阻抗,MPa/s。由于篇幅限制,部分?jǐn)?shù)據(jù)見表1,詳細(xì)數(shù)據(jù)請(qǐng)查閱文獻(xiàn),為了與信息融合中的相關(guān)表述方法一致,對(duì)上述參數(shù)重新用相關(guān)字母表述,即:C1,C2,C3,C4,C5,C6和N分別表示漏斗體積、大塊率、小塊率、平均合格率、巖體聲波速度、波阻抗和礦巖可爆性指數(shù)。2.2基于礦巖可爆性指數(shù)的確定RSES軟件需要對(duì)輸入的數(shù)據(jù)進(jìn)行離散歸一化處理,通常采用的計(jì)算公式為:式中max表示每一列的最大值,min表示每一列的最小值。首先通過式(6)把每一列的屬性值分為3個(gè)等級(jí),即:“高”∈[min+2step,max),用“2”表示;“中”∈[min+step,min+2step),用“1”表示;“低”∈[min,min+step),用“0”表示。然后得出各指標(biāo)屬性及其歸一化值域,決策屬性D表示目標(biāo)參數(shù),本文中代表礦巖可爆性指數(shù)。表2為離散歸一化處理后的分級(jí)數(shù)據(jù)。3數(shù)據(jù)的簡(jiǎn)要解釋和分析3.1爆破強(qiáng)度及爆破屬性的定義屬性約簡(jiǎn)要求在保證知識(shí)庫分類和決策能力不變的條件下,刪除不相關(guān)或不重要的冗余屬性。RSES軟件給出了2種進(jìn)行屬性約簡(jiǎn)的方法,即窮舉算法和遺傳算法。應(yīng)用這2種方法對(duì)表2進(jìn)行約簡(jiǎn),結(jié)果分別見圖3和圖4。由圖3~4可知,采用窮舉算法和遺傳算法對(duì)表2中的數(shù)據(jù)進(jìn)行約簡(jiǎn)得到的約簡(jiǎn)集都只有1個(gè),即:R={C1,C2,C3,C5,C6},通過計(jì)算,5個(gè)屬性的重要性排序?yàn)?C1>C2=C6>C3=C5。“巖石爆破指數(shù)”分級(jí)法以能量守恒原理為依據(jù),當(dāng)炸藥能量及其他條件一定時(shí),爆破漏斗體積的大小和爆破塊度的粒徑組成,均直接反應(yīng)了能量的消耗狀態(tài)和爆破效果,從而表征巖石的爆破特征。通過數(shù)據(jù)級(jí)融合發(fā)現(xiàn),爆破漏斗體積(C1)、大塊率(C2)和小塊率(C3)用于表征影響巖石吸收爆破能量的程度和形式,而塊度平均合格率(C4)被證明是冗余屬性,應(yīng)予以剔除;巖體聲波速度(C5)和波阻抗(C6)反映了巖體的節(jié)理、裂隙情況及巖石的彈性模量、泊松比、密度等物理力學(xué)特性。3.2不同種類的測(cè)試為了檢驗(yàn)上述約簡(jiǎn)規(guī)則的準(zhǔn)確性,對(duì)兩種方法得到的約簡(jiǎn)規(guī)則進(jìn)行了測(cè)試,結(jié)果見圖5~6。由圖5~6可知,兩種方法生成規(guī)則測(cè)試分類準(zhǔn)確度相同,均為92.9%,數(shù)據(jù)總的覆蓋率都為100%,表明這兩種分類計(jì)算方法是可靠的。4基于多源信息的礦巖爆炸分析和評(píng)價(jià)4.1bp神經(jīng)網(wǎng)絡(luò)的模擬BP神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)包括輸入層(Input)、隱含層(HideLayer)和輸出層(OutputLayer),一個(gè)3層的BP網(wǎng)絡(luò)可以完成任意的n維到m維的映射,單隱含層BP神經(jīng)網(wǎng)絡(luò)可以獲得令人滿意的精度。BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型中的輸入層采用6個(gè)指標(biāo):即爆破漏斗體積、大塊率、小塊率、平均合格率、巖體聲波速度、波阻抗,模型的輸出層目標(biāo)值為礦巖的可爆性指數(shù),根據(jù)式(3)和式(4)進(jìn)行計(jì)算,最佳的隱含層節(jié)點(diǎn)個(gè)數(shù)為6個(gè)。采用56組數(shù)據(jù)樣本對(duì)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練,其中50個(gè)樣本作為訓(xùn)練樣本,其余6個(gè)樣本(表1中的4、14、24、34、44和54號(hào)數(shù)據(jù))作為檢測(cè)樣本,預(yù)測(cè)結(jié)果如圖7所示。4.2神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本按照約簡(jiǎn)后的屬性集,在表1的基礎(chǔ)上刪除平均合格率(C4)這一列,并去掉4號(hào)、14號(hào)、24號(hào)、34號(hào)、44號(hào)和54號(hào)數(shù)據(jù)便得到約簡(jiǎn)后的神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本,把4號(hào)、14號(hào)、24號(hào)、34號(hào)、44號(hào)和54號(hào)數(shù)據(jù)作為檢測(cè)樣本。同樣采用3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),取最佳的隱含層節(jié)點(diǎn)個(gè)數(shù)為7個(gè),預(yù)測(cè)結(jié)果見圖7。4.3粗模擬-bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果從圖7可以看出,粗糙集-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果相比單純的BP神經(jīng)網(wǎng)絡(luò)更為接近實(shí)際值。進(jìn)一步分析得到,BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的平均誤差為8.33%;而粗糙集-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的平均誤差為6.75%,且最大誤差不超過20%,滿足工程要求。因此,應(yīng)優(yōu)先采用粗糙集-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)礦巖可爆性指數(shù)進(jìn)行預(yù)測(cè)和評(píng)價(jià)。5試驗(yàn)結(jié)果的統(tǒng)計(jì)與分析云南某地下礦山為了擴(kuò)大生產(chǎn)能力,采用“采礦環(huán)境再造連續(xù)采礦嗣后充填采礦法”。在采場(chǎng)深孔爆破試驗(yàn)前,為了事先獲取炸藥單耗,采用了兩種方法,一種是先在與采場(chǎng)巖性相似的巷道中進(jìn)行爆破漏斗試驗(yàn),然后反演炸藥單耗;另外一種就是先獲得礦巖的可爆性指數(shù),再通過公式計(jì)算得到炸藥單耗。通過數(shù)據(jù)挖掘和文獻(xiàn)檢索獲得了試驗(yàn)采場(chǎng)礦巖的可爆性分級(jí)基礎(chǔ)數(shù)據(jù),詳見表3。根據(jù)表3中的基礎(chǔ)數(shù)據(jù),采用建立的粗糙集-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)得到試驗(yàn)礦山矽卡巖的可爆性指數(shù)N=78.43,礦巖可爆性等級(jí)為Ⅳ級(jí),屬于“難爆”級(jí)別。根據(jù)王明林等人的研究,炸藥單耗與礦巖可爆性指數(shù)有如下關(guān)系:其中q為炸藥單耗,kg/m3;N為礦巖可爆性指數(shù)。將粗糙集-BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)得到的礦巖可爆性指數(shù)代入式(6),計(jì)算得到炸藥單耗為0.65kg/m3,這與爆破漏斗試驗(yàn)得出的結(jié)論“炸藥單耗略高于0.57kg/m3”是吻合的。在云南某礦山進(jìn)行現(xiàn)場(chǎng)試驗(yàn),總的裝藥量為3811.3kg,礦房的爆破體積約為2560m3,實(shí)測(cè)的炸藥單耗為0.67kg/m3。因此,由基于多源信息融合得到炸藥單耗與實(shí)測(cè)值基本一致,進(jìn)一步驗(yàn)證了該模型的有效性和正確性。6礦巖可爆性研究1)礦巖可爆性的評(píng)價(jià)和分級(jí)受多種因素的影響,而且可爆性分級(jí)標(biāo)準(zhǔn)目前還不統(tǒng)一。本文引入多源信息融合理論,在前人研究的基礎(chǔ)上,建立了礦巖可爆性評(píng)價(jià)的粗糙集-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)與評(píng)價(jià)模型,為研究礦巖可爆性提供了新的思路和方法。2)研究過程中選取爆破漏斗體積、大塊率、小塊率、平均合格率、巖體聲波速度、波阻抗等6項(xiàng)影響礦巖可爆性的指標(biāo),對(duì)收集整理的數(shù)據(jù)進(jìn)行了離散歸一化處理,然后采用粗糙集對(duì)數(shù)據(jù)進(jìn)行了屬性約簡(jiǎn),從而實(shí)現(xiàn)了礦巖可爆性的數(shù)據(jù)級(jí)融合。進(jìn)一步分析認(rèn)為,爆破漏斗體積、大塊率和小塊率等3項(xiàng)指標(biāo)用于表征巖石的爆破特征;而巖體聲波速度和波阻抗等2項(xiàng)指標(biāo)反映了巖體的節(jié)理、裂隙情況及巖石的彈性模量、泊松比、密度等物理力學(xué)特性。3)研究認(rèn)為,在屬性約簡(jiǎn)的基礎(chǔ)上,粗糙集-BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度比BP神經(jīng)網(wǎng)絡(luò)更高。在多源信息融合模型的基礎(chǔ)上,研究了某礦山的礦巖可爆性,通過礦巖的可爆性指數(shù),計(jì)算得到了礦房深孔爆破