Прогнозирование просадки грунта в результате подземной добычи с использованием многослойных искусственных нейронных сетей с прямой связью и алгоритма обратного распространения - исследование на примере подземного угольного рудника Монг Дуонг (Вьетнам)

Автор: Нгуен Куок Лонг, Нгуен Куанг Минь, Тран Динь Чонг, Буй Хуан Нам

Журнал: Горные науки и технологии @gornye-nauki-tekhnologii

Рубрика: Маркшейдерия

Статья в выпуске: 4 т.6, 2021 года.

Бесплатный доступ

Статья посвящена изучению возможности использования искусственных нейронных сетей (ИНС) для оценки просадки грунта, вызванной подземной добычей. Эксперименты показали, что наиболее подходящей структурой сети является сеть с тремя слоями перцептронов и четырьмя нейронами в скрытом слое с алгоритмом обратного распространения в качестве алгоритма обучения. Данные наблюдения за просадкой грунта на подземном угольном руднике Монг Дуонг и другие параметры, включающие: 1 - расстояние от центра штрека до точек наземного мониторинга; 2 - объем выработанного пространства; 3 - положение наземных точек в направлении главного сечения мульды просадки; и 4 - время (представленное номером цикла), были использованы в качестве входных данных для ИНС. Результаты показали, что выбранная модель приемлема для прогнозирования просадки вдоль главного сечения (профиля) в пределах мульды просадки. Точность прогнозирования зависела от количества циклов, использованных для обучения нейронной сети, а также от временного интервала между прогнозируемым циклом и последним циклом в наборе данных для обучения. Когда количество циклов мониторинга, использованных для обучения сети, превышало восемь, наибольшие значения RMS (среднеквадратическая погрешность) и MAE (средняя абсолютная ошибка) составляли менее 10 % от фактического максимального значения просадки для каждого цикла. Если число циклов обучения сети было меньше восьми, результаты прогнозирования не соответствовали требованиям по точности.

Еще

Подземная разработка полезных ископаемых, мульда просадки, прогнозирование просадки, искусственная нейронная сеть, обратное распространение

Короткий адрес: https://sciup.org/140290237

IDR: 140290237   |   DOI: 10.17073/2500-0632-2021-4-241-251

Статья научная