蔡光琪，彭洪閣，周毅勇,3，張 磊

(1.中煤集團平朔煤業(yè)有限公司安太堡露天煤礦, 山西 朔州036800；2.中國礦業(yè)大學礦業(yè)工程學院，江蘇 徐州 221008；3.神華集團準格爾能源有限公司，內(nèi)蒙古 呼和浩特 010300；4.國家安監(jiān)局信息研究院煤炭工業(yè)出版社， 北京 100029)

隨著我國露天開采進入迅速發(fā)展的新時期，露天煤礦原煤產(chǎn)量也有較大幅度的提高。由于礦山原煤產(chǎn)量的確定影響因素眾多，特別是礦山具體條件千差萬別，礦體賦存條件的變化、運輸方式的變化、剝采比的調(diào)整均能直接使礦山產(chǎn)量發(fā)生變化[1]。所以，對礦山生產(chǎn)能力的分析、預測存在著較大困難。在這種情況下，探索一條能夠準確預測露天礦原煤產(chǎn)量的新途徑勢在必行。

切比雪夫神經(jīng)網(wǎng)絡是一種新型的基于正交多項式的函數(shù)型神經(jīng)網(wǎng)絡，具有優(yōu)良的泛化性能和預測能力[2]。但是，切比雪夫神經(jīng)網(wǎng)絡是單輸入模型，故無法實現(xiàn)多輸入的情況[3-5]。對此，根據(jù)切比雪夫神經(jīng)網(wǎng)絡的特性，本文將切比雪夫神經(jīng)網(wǎng)絡進行改進，改進后的模型具有算法簡單，收斂速度快的優(yōu)勢。通過此模型對露天礦原煤產(chǎn)量進行預測，通過實例可知，這種方法具有簡單有效的優(yōu)勢。

1 模型的建立

構造多輸入層的切比雪夫神經(jīng)網(wǎng)絡模型，改進的模型為多輸入單輸出結構，輸入層到第一隱層及第一隱層到第二隱層之間的連接權值恒等于1，第二隱層至輸出層連接權值為σj(j=1,2,…,k),其中k為第二隱層神經(jīng)元個數(shù)。

1.1 輸入層

(1)

n為輸入神經(jīng)元的數(shù)目。

(2)

第三層：這是一組切比雪夫正交多項式，即

(3)

(4)

1.2 誤差分析

(5)

yd和y分別為理想輸出和實際輸出。

1.3 性能指標

(6)

m為學習樣本數(shù)。

1.4 權值修正

(7)

式中，η為學習率，且0<η<1。

1.5 網(wǎng)絡學習法

(1)用(0，1)之間的數(shù)初始化ωj。

(2)輸入樣本以后，再根據(jù)根據(jù)上述公式，用現(xiàn)有權值對各神經(jīng)元的實際輸出和輸出誤差進行計算。

(3)通過每行的權值來調(diào)整公式(7)，并計算ωj。

(4)輸入其他樣本，轉(zhuǎn)到②繼續(xù)進行計算。

需要注意的是，所有樣本都是周期的輸入，直到網(wǎng)絡達到收斂，并且輸出的總誤差小于允許值，方可滿足要求。

2 實例研究

眾所周知，影響露天礦原煤年產(chǎn)量的因素有很多，不可能每個因素都進行考慮。按照主導因素起決定性作用的原則，本文根據(jù)某露天煤礦的實際情況以及經(jīng)驗，選擇了剝采比、剝離量、采剝動用效率、藥耗作為網(wǎng)絡輸入向量。根據(jù)露天礦近幾年的產(chǎn)量數(shù)據(jù)進行預測，見表1。

表1 露天礦原煤產(chǎn)量表

將前9年的數(shù)據(jù)作為基本樣本，第10年的數(shù)據(jù)作為參照，驗證模型的科學性。表2是改進的Chehyshev神經(jīng)網(wǎng)絡與傳統(tǒng)BP網(wǎng)絡對第10年的原煤產(chǎn)量進行預測收斂速度及預測結果的比較。

表2 收斂速度及預測結果的比較

由表2可知，如果在相同精度的情況下，改進的網(wǎng)絡模型比傳統(tǒng)模型具有收斂速度快、預測能力強的特點。

3 結 論

露天煤礦原煤產(chǎn)量的確定影響因素眾多，特別是礦山具體條件千差萬別，礦體賦存條件的變化、運輸方式的改變、設備及工藝的更換均能直接影響礦山的產(chǎn)量規(guī)模。因此，需要一種定量的數(shù)學方法來對其就行預測。研究表明，利用本文提出的的切比雪夫神經(jīng)網(wǎng)絡預測模型，可以快速、準確、智能地預測出露天礦原煤產(chǎn)量，為礦山生產(chǎn)計劃的編制提供了理論依據(jù)，對礦山實際生產(chǎn)具有重要的指導意義。

[1] 姬長生.露天礦生產(chǎn)規(guī)模及相關要素研究[M].徐州:中國礦業(yè)大學出版社,1998.

[2] 鄒阿金,沈建中.基于切比雪夫神經(jīng)網(wǎng)絡的非線性預測應用研究[J].計算機應用，2001,21( 4):14-15.

[3] 張立明.人工神經(jīng)網(wǎng)絡的模型及其應用[M].上海:復旦大學出版社，1994.

[4] 袁曾任.人工神經(jīng)元網(wǎng)絡及其應用[M].北京:清華大學出版社，1999.

[5] Qingguo Wang, Shuqin Cai, Chen Meixia.Model and Strcture of Customer Service Operation-Support System Based on Event-driven Working Mechanism[J].Advances in Systems Science and Applications, 2005,15(2):306-312.