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

張吉林,曹龍飛,岳永鵬

(山西中陽張子山煤業(yè)有限公司, 山西 呂梁市 033000)

0 引 言

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

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

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)習和存貯大量的輸入－輸出模式映射關(guān)系,而無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)值模擬及反演過程

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

2 工程概況

以晉煤集團郭莊礦9213工作面作為實驗礦井,主采9＃煤層,厚度約1.19~2.36 m,開采厚度約為2 m,平均傾角8°,煤層埋深480 m,采用走向長壁機械化開采,傾向和走向分別為189 m和1590 m,日進3.2 m,老頂為砂巖,老底為粉砂巖,直接底為泥巖,開采過程中對地表進行觀測,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)工作面實際情況設(shè)置模型高600 m,走向2500 m,傾向1250 m,正交試驗方案見表2,根據(jù)表1和表2進行模擬得出下沉結(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 正交實驗方案

圖2 數(shù)值模擬試驗結(jié)果

3.2 神經(jīng)網(wǎng)絡(luò)映射關(guān)系建立

采用9213工作面實測數(shù)據(jù)作為輸入數(shù)據(jù)進行力學(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)進行模擬計算,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)值模擬下沉值與實測值有較好的一致性,最大絕對誤差為4 c m,最大相對誤差為11.6%,采用的神經(jīng)網(wǎng)絡(luò)可根據(jù)多次試驗數(shù)據(jù)建立地表移動與力學(xué)參數(shù)的曲線,為準確計算煤層開采引起的地表沉降提供了一個方法.

表3 力學(xué)參數(shù)反演結(jié)果

圖3 反演參數(shù)數(shù)值模擬下沉值與實測值對比

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)值模擬下沉值與實測值有較好的一致性,滿足工程需要.

(2)試驗中采用正交實驗,確定了7個影響因素的實驗方案,降低了實驗次數(shù),提高了效率,為數(shù)值模擬提供了有效的實驗效果.

(3)最大絕對誤差為4 c m,最大相對誤差為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)模型存在的問題,可獲得準確的數(shù)值模擬參數(shù),再利用此參數(shù)模擬煤層開采覆巖沉降,對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變形神經(jīng)網(wǎng)絡(luò)預(yù)測[J].煤炭技術(shù),2015,34(8):100G102.

[2] 張云峰,李偉豪.淺埋近距離采空區(qū)下綜放開采覆巖運動規(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)力型淺埋礦山開采引起地表沉陷機理研究[J].煤炭技術(shù),2016,35(2):27G30.

[4] 王創(chuàng)業(yè),曾祥柱,欒春雪.基于正交試驗的錦界煤礦開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,2013,9(S1):1543G1548.

[6] 孫秀英,王 倩.基于改進型BP算法的煤礦瓦斯預(yù)測與仿真研究[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)測系統(tǒng)及應(yīng)用研究[J].煤炭技術(shù),2008,27(11):71G74.