基于BP神经网络理论的注浆材料模型研究

刘 猛

(河北鼎基环保工程集团有限公司，河北邢台 054100)

基于BP神经网络理论的注浆材料模型研究

刘 猛

(河北鼎基环保工程集团有限公司，河北邢台 054100)

以某矿现场注浆材料正交试验数据为训练样本，以注浆材料结石体28d强度为考核指标，建立BP神经网络预测模型，样本训练结果与BP神经网络模型预测结果拟合度均高于99%。选取矿山具有代表性的材料配合比实测结果与模型预测结果进行对比，结果表明：BP神经网络模型预测结果与实际结果具有较高的吻合度，能够进行注浆材料的28d强度预测。这对于快速确定注浆参数，实现突水灾害治理具有重要意义。

注浆堵水;注浆材料配合比;BP神经网络;强度预测

Abstract：Taking the orthogonal test of the grouting material in the mine as the training samples，based on the 28d intensity of grouting material，the BP neural network prediction model was established.Sample training results and BP neural network model prediction results fit up to 99%.The representative material mix ratio of the selected mine was compared with the forecasting model，the results show that the BP neural network model has higher agreement with the actual results.It is very important to quickly determine the grouting parameters and realize the management of waterlogging disaster.

Key words：grouting shutoff;grouting material mix ratio;BP neural network;strength prediction

0 引言

为了能在矿井发生突水灾害时，快速封堵突水通道，隔离突水水源，最大限度降低突水灾害带来的损失，就需要快速确定注浆参数［1－5］。不同的注浆材料及配合比形成的结石体强度和加固范围不同，现场注浆时需进行材料的配比试验，既浪费时间又耗费人力、财力，受各种因素影响其结果可能存在较大偏差［6－8］。各材料对浆液形成的结石体强度影响复杂，不易确定注浆材料与结石体强度之间的关系模型。如果在合理误差范围内，能够建立注浆材料与强度之间的关系模型，对于提高工作效率，降低成本，实现快速治理突水灾害具有实际意义。

人工神经网络以非线性处理单元模拟生物神经元，各单元之间以一定的形式连接成网络，是一种高维性、自组织性、模糊性和自学习能力较强的数学模型，在解决非线性问题及类型识别方面具有很强的优势［9－13］。因此，以某矿正交试验数据为训练样本，以注浆材料28d强度为试验指标，建立BP神经网络模型，并随机选取矿山注浆工程实践中的材料配合比，并将其实测结果与模型预测结果进行对比分析。

1 注浆材料

合理选择注浆材料是注浆堵水工程成败的关键，这不仅需要考虑现场实际情况，还需综合考虑经济效益，根据注浆目的、注浆层位、施工技术与环境、造价等因素来选择适宜注浆材料，将直接关系到注浆堵水工程的进度和成败。根据矿山多年注浆堵水经验，确定采用42.5#普通硅酸盐水泥为基础材料，辅以适量的外加剂，提高水泥浆液的凝结速度和早期强度。

2 正交试验

注浆工程中的注浆参数将直接影响到浆液的凝固时间、强度和扩散距离，以及整个堵水工作的质量和效果。依据矿山的注浆经验，选择对注浆材料影响较大的水泥、用水量和添加剂进行3因素3水平的正交试验，以确定最优配比，正交试验参见表1。试验指标为注浆材料结石体28d抗压强度，正交试验结果参见表2。

表1 正交试验因素水平

表2 正交试验配合比及实测结果与BP神经网络模型预测结果一览表

由于正交试验是选择一部分具有代表性的水平组合进行试验，是非线性不连续的。对于未出现的水平组合也无法进行预测，需要进行新的试验。据此，利用BP神经网络建立预测模型，对未出现的水平组合进行预测。

3 BP神经网络预测模型

人工经网络是模拟生物神经网络进行信息处理的一种数学模型，它可以实现任何形式的非线性映射，利用已有数据学习、训练构建网络模型，实现对其他数据的可靠预测。而BP神经网络属于人工神经网络中的前馈网络，包括输入层、隐含层(中间层)和输出层，输入层和输出层由输入数据和输出数据确定，如图1所示。

图1 BP神经网络结构

3.1 构建BP神经网络预测模型

以水泥、用水量和添加剂作为网络模型识别因子，建立BP神经网络预测模型：

(1)以正交试验数据为源数据训练网络，源数据为3×9的矩阵，即输入层为3层，28d强度为1×9的矩阵，即输出层为1层。

(2)网络类型为Feed－forward backprop，训练函数采用trainlm函数，隐含层采用tansig函数，输出层采用logsig函数作为传递函数，其余参数默认即可。

(3)隐含层由1层开始逐渐增加调试，以regression曲线为指标，其拟合度在隐含层为8层时，拟合度最高为 99.821%，相对误差为0.179%，参见图2。

图2 BP神经网络regression曲线

(4)将输出结果与目标变量进行对比，参见表2。观察网络输出效果，通过对比发现，均与原始结果极为接近，说明网络训练效果较佳，保存网络模型network。

(5)利用sim(network，b)函数调用已保存好的网络模型对注浆材料28d强度进行预测，其中b为待进行预测的矩阵数据。

3.2 工程实例

随机选取矿山注浆工程实践中的注浆材料配合比，利用sim()函数调用已保存好的BP神经网络模型对注浆材料28d强度进行预测，并与现场实测结果进行对比分析，参见表3，由表可知，BP神经网络模型预测结果与实测结果极为接近，说明建立的模型可以对注浆材料结石体28d强度进行预测。

表3 BP神经网络预测28d结果一览表

4 结论

(1)BP神经网络能够实现各因素之间的非线性映射，建立特定函数关系。

(2)BP神经网络预测模型，样本训练拟合度为99.821%，网络模型总的拟合度为99.161%，具有很高的精确度，可以预测注浆材料的强度。

(3)对于训练好的网络模型可以直接调用，省去了大量的试验工作，具有快速高效、操作简单、结果客观可靠、成本较低等优点，能够快速有效地确定材料配比，减少盲目性，指导下一步的治理工作。

［1］ 白峰青，卢兰萍，缑书宝，等.德盛煤矿特大突水治理技术［J］. 煤炭学报，2007，32(7)：741－743.

［2］ 刘猛，白峰青，申继学，等.煤矿特大突水原因分析与通道探查技术［J］.矿业工程研究 2015，30(1)：30－33.

［3］ 武强，崔芳鹏，赵苏启，等.矿井水害类型划分及主要特征分析［J］.煤炭学报，2013，38(4)：561－565.

［4］ Winter T C，Buso D C，Shattuck P C，et al.The effect of terrace geology on groundwater movement and on the interaction of groundwater and surface water on a mountainside near Mirror Lake，New Hampshire，USA［J］.Hydrological Processes，2008，22(1)：21－32.

［5］ SHAN Yao，QIN Yong，WANG Wenfeng.Chromium leaching mechanism of coal mine water［J］.Mining Science and Technology，2010(1)：97－102.

［6］ 张耀辉，张海波.矿井防治水技术研究现状及展望［J］.煤矿安全，2016，47(4)：195－198.

［7］ 苗润桃，刘武团，郭生茂.注浆堵水技术的应用实践［J］.化工矿物与加工，2005，(10)：33－35.

［8］ 侯晓雁，侯永利.土木工程材料［M］.南京：江苏科学技术出版社，2013.

［9］ 魏微，高谦，何环莎.BP神经网络预测外加剂对充填体强度的影响［J］.矿业研究与开发，2014，34(1)：18－21.

［10］ 崔明义，孙恒虎.基于MATLAB的胶结充填材料BP神经网络质量模型［J］.有色金属，2003，55(1)：121－123.

［11］ 刘猛.基于BP神经网络的矿井水源判别模型［J］.矿业工程研究，2015，30(4)：17－20.

［12］ 徐忠杰，杨永国，汤琳.神经网络在矿井水源判别中的应用［J］.煤矿安全，2007(2)：4－6.

［13］ 李燕，徐志敏，刘勇.矿井突水水源判别方法概述［J］.煤炭技术，2010，29(11)：87－89.

Research on Grouting material Model Based on BP Neural Network

LIU Meng
(Hebei Dingji Environmental Protection Engineering Group Co.，Ltd，Xingtai，054100，China)

TP183

A

1672－7169(2017)03－0054－04

2017－03－24

刘猛(1988－)，男，河北邢台人，硕士，河北鼎基环保工程集团有限公司工程师，研究方向：矿山安全与环境及固废处理。E-mail：liumenghebei@126.com