第32卷第n期2012年11月系统工程理论与实践SystemsEngineering一Tlieory&Praetiee从1.32,No.11Nov.,2012文章编号:1000一6788(2012)11一2585一06中图分类号:x45;TD7文献标志码:A基于HS一BP算法的尾矿库安全评价王英博,2,王琳3,李仲学(1.北京科技大学金属矿山高校开采与安全教育部重点实验室,北京100083;2.辽宁工程技术大学创新实践学院,阜新23100;3.辽宁工程技术大学电子与信息工程学院,葫芦岛125105)摘要为有效预防尾矿库事故的发生,针对尾矿库事故率具有随机波动性和非线性的特点,采用和声搜索算法(HSA)和BP神经网络建立尾矿库安全评价模型.该方法利用HS算法对BP神经网络权值进行优化,进而对尾矿库进行安全评价.通过对辽宁本溪南芬尾矿库安全现状进行拟合预测,结果表明:将HS算法和BP神经网络有机结合,能够克服传统BP网络易陷入极小值收敛速度慢得缺陷,有效的刻画了尾矿库事故的随机波动特性,并且预测能力均优于其他评价算法,具有重要意义.关键词尾矿库;和声搜索算法:BP神经网络;权值优化;安全评价SafetyevaluationofnlllletailingsfaeilitlealgorithmsbasedonHS一BP叭NGYing一bol,2,WANGLin3,Llzhong一xuel(1.KeyLaboratoryofMinistryofEdueationonSafetyandEfieientMiningofMetalMines,UnivfersityofSeieneeandeehnologyBeijing,BeiTjing100083,Chira;2.InliovationPraetieeCollege,Li明ningTeehniealUniversity,Fuxin123000,China;3.EleetroniesandInformatiorlEngineering.LiaoningTeehniealUniversity,HuludaoAbstraet125105,China)OrthepurPoseofPreverltingrni,letaili:195aeeidentefFeetively,aimedattheeharaeteristiesfofstoehastiefluetuatiorialldIlonlinear,aPredietionmodelfor一ninetailingsaeeidentrate15establishedbyadoptingharmonysearehalgorithnlaxldBPileuralnetworkThemethodintrodueedliarmonysearehalgorithmtooptimizetheweightofBPIleuralr一etwork,andevaluatethesafetyofminetailings.TheaPPliedPredietiononminetailingsaeeidentofLiaoningProvineeBenxiNanfonminetailingshowsthateombiningHSandBPeanovereomeflawsofeasilygettiligintominilxlumarldsloweonvergenee,efeetivelyfdeseribethestoehastiefl一ietuationofminetaili:19aeeident,andeapabilityandrobustnessarebetterthantlleotheralgoritlzmsKeywordsrllixletailingsfaeilities:harmollysearehalgorithm:BPne,lralnetwork:optimizetheweight:safetyevaluation1引言尾矿库用于堆存尾矿及工业废渣,是矿山企业生产不可或缺的重要设施之一但是,尾矿库是一个高势能人造泥石流危险源,具有严重的安全隐患,相关事故容易造成巨大的人员伤亡财产损失及环境污染.近年来,随着矿产资源的大量开发,国内外尾矿库的安全隐患问题日益突出[],严重污染了环境,威胁了人类生l命财产安全,影响了社会的和谐稳定.目前,国内外相关学者已针对如何有效预测尾矿库安全这一间题做了大量的研究,提出了许多预测模型.例如:文献2]所建立的模糊风险分析模型,有效预测了严重尾矿库事故及风险系数,但该模型计算复杂预测精度小于80%;文献阎运用综合指数评价法对严重尾矿库事故发生率进行了预测,减小了计算复杂度,但收稿B期:2011一11一09资助项目:十一五国家科技支撑计划重大项目(2006BAK04A21);中国煤炭工业科技计划项目基金(MTKJ200乐28分辽宁省教育厅科学技术研究基金(2004F050)作者简介:王英博(1959一),男,博士,教授,高级工程师,主要从事矿山安全方面研究;王琳(1987一),女,硕士,主要研究领域为数据挖掘,矿山安全;李仲学(1959一),男,教授,博士生导师,从事矿业系统工程与矿山安全管理研究,2586系统工程理论与实践第32卷其预测精度仍不理想,究其原因主要是具有截然性和非连续性,故而对相差较小系数拟合较差;之后.有文献叫采用灰色理论模型进行尾矿库预测.但该模型对随机波动性较大的尾矿库安全事故拟合效果欠佳.为了克服上述不足,本文采用BP神经网络[]及和声搜索(hanrmonyea二迁,,HS)算法圈建立尾矿库安全预测模型.BP算法是前馈神经网络中应用最广泛的学习算法基本思想是使用梯度下降搜索理论.简单可塑,但是具有收敛速度慢易陷入局部极小值等缺点.而HS算法具有很好的收敛性和全局搜索能力.从而创新性的利用Hs算法对BP网络权重进行优化[].通过实验对比表明Hs一vBP算法进行预测评价时较其他算法具有更高的准确率及较优的求解性能.2算法理论.1BP神经网络2BP神经网络是一种能通过样本训练从而使网络具有智能性的有监督学习的前馈神经网络.是目前应用最广泛的神经网络之一[].它由输入层输出层及隐含层互联组成,计算过程分为两部分:用于得出实际输s出的输入信号正向传播和用于修正权值的误差信号反向传播.训练不断迭代.直到满足终止条件.而后用训练模型进行预测.具体算法步骤如下描述:l网络参数初始化将BP网络的各个权重,:和闺值乡:初始化为!一1,1}间的随机数.设置最大迭代)次数盯和目标误差值网络误差平方和5SE的初值为0.从训练数据集中取出第一个输入样本向量求和对应期望输出向量T.按迭代次数t=1.2,盯,进行如下计算.2)输入信号正向传播.计算各隐层和输出层神经元相对于前一层艺的净输入向量I,:.q自ll才rl入一艺;;o:+:1马=不藻万3)计算并检验网络误差平方SSE:SSE=s:(Tj一O了)(3)4)误差反向传播由样本二对应的期望输出向量Oj计算输出层各神经元的误差向量E刀R;:ER凡=O;(1一oj)(几一O,)计算误差向量ERR::(4)对从最后一个到第一个隐藏层的各神经元j,根据后一较高层中连接到]的所有神经网络元的误差加权和来ERR了一O了(一仇)艺(ERR;)5)调整权重及闺值.将网络中各个权重向量2了和阂值向量口;按下式进行调整其中a为学习率:(5)j)((7)公乙:=,:+aER凡仇口少=色十ERR,6)当sSE等于或小于目标误差时,迭代结束,输出权重向量)(t).J=12p作为结果否则.返回步骤2)重复执行..2HS算法2和声搜索算法是由Geem等人受音乐演奏启发而提出的一种模拟了音乐演奏中乐队和声调谐原理的全局搜索算法侧.Hs算法的计算步骤如下:l首先,初始化和声记忆库大小HMS迭代次数Nl和声记忆库保留概率HMCR微调概率尸AR)及微调幅度BW等参数,同时确定问题的目标函数.2)在!X去,X们范围内初始化和声记忆库.将随机产生M个优化问题的初始入和声记忆库H刀l对码硫_222f(X)f(尤)内可表示为}勺勺城对x梦姗f(尸个分量;f(X)为第了个解向量的函数值.)1式,//为/个向量;X/为一第n期王英博等:基于HS一BP算法的尾矿库安全评价25873)产生新解.通过HMcR和尸AR,产生新解X=(X尹e叨,X扩删,,X犷Cw).扰动原则为X绷=尸祀留+2*料ra耐一.其中为带宽,rand为(0,l)之间的随机数.4)更新记忆库.判断新解是否为HM内的最差解,若是,则将新的解替换最差解,得到新的和声记忆库.5)重复3),4),直到达到最大迭代次数或满足停止准则后结束循环输出最优解.算法代码描述如图1所示.和声搜索算法begin初始化参数(刀为心刀人兀火剐R,B袱入门定义目标函数只x),二一(l,朴x,一介广在[分,户内随机初始化行八了while(r<刀乃or1f=1,2,,Ndo(afirndl<刀人了C尺),从月凡了选择一个值(rfian虎<用R),进行微调x(j)=x(i)士rand(0,l)召城endiflsee随机选择一个值x(i)=戈endifellddo输入层到隐层权重重工飞日日芜1州州匀!!工飞2习吮吮石vZZ习勺11工F刀刀加乡钧亿引引t叮引引隐层全U输出层权重重阮!!2!二二七泛,以犯犯方z,如果新和声更优则接受eodWhile找出目前最好的解end一一一l一}{一一一图1墓本HS算法代码图2和声矢t与网络权重表示23HS一BP算法以BP神经网络为基础,利用HS算法全局寻优和强鲁棒性特点来优化网络权重.其基本思想[10]是将网络的学习过程看成是在权值空间中搜索最优权值集合的过程.HM中的和声矢量代表HS中的决策变量.每一矢量代表BP网络的连接权和偏置的完整集.如图2所示,假定一个固定结构的三层BP神经网络,并依次列出其权重,却:表示输入层第乞个节点与隐含层第J个节点的连接权值,勺;表示隐含层第,个节点的闽值;笋:表示隐含层第乞个节点与输出层第j个节点的连接权值,阮:表示输出层第J个节点的闺值.它们共同组成一个和声矢量.目标函数即适应度计算是最小化式(l)中的SSE,目标输出与实际输出的误差平方和越小表明个体越优.由于网络权重的取值通常位于同一范围,则为所有决策变量选取相同取值范围[x,Xv]和数量值Bw.Pa亡ter几PattcrnSE一艺sP=1艺衅一动2乞=1(8)以图2的三层结构网络为例进行优化.首先初始化和声算法各参数;然后,随机产生一个初始群体放入和声记忆库进行初始化,这个群体中的每一个个体对应神经网络的一组权值和阂值.并选取上式(s)为目标函数;其次,通过HMcR和尸AR,产生新解X删=(X尹删,材删,X犷)并通过适应度值比较进行记忆库的更新;最后,终止循环,得出的最优解即为BP神经网络的连接权值和闺值,用得出的权重进行下一步的BP网络算法.算法优化BP网络的流程如图3所示.3模型建立与应用3.1尾矿库与设备简介本文以辽宁省本溪市南芬选矿厂卧龙沟尾矿库为背景,进行HS一BP算法的尾矿库安全评价研究.卧龙沟尾矿库采用水力冲击上游方式进行筑坝,属山谷型尾矿库.初期坝为透水坝体,且均已进行植被覆盖以防雨水冲刷.尾矿坝设计堆积坡比1:5.0,最终堆积标高380m,初期坝以上堆积高度104m,总坝高140m,总库容2.6亿立方米,属于二等大型尾矿库,已构成重大危险源!}.本文实验以丹东东方测控有限公司开发的南芬尾矿库自动化安全监测分析评价预报系统为依托,利用动态监测仪对尾矿库实时安全监测,通信子系统连接尾矿库与企业办公楼监控中心,辅助监控中心计算机系统以及web查询报表系统连接该HS一BP模型进行尾矿库安全评价.模型以VC6.0为开发环境,在处理器为2588系统工程理论与实践第32卷p4ZGHz内存为IGB的PC机上进行HS一Bp算法实际应用测试[,2].随机产生初始种群迭代次数是否达到附替换月材中最差的解,更新和声记忆库n
o为正相关,守<0为负相关,守=0表示不相关.守的绝对值越大,相关程度越高.各破坏模式的影响因素及其相关性如表1所示.表1破坏模式指标及其相关性相关性滩顶漫顶破坏模式滩顶0稳定性破坏模式库水位.190.78O渗流破坏模式浸润线戒).2170-2:8.0结构破坏模式汇水面积.410现状坝高0.63一0.69一0.51堆积容重8073I2094.)抖限系数一38.03814.0干滩90a40.1.97208384.安全超高侧3:25.0-916:3.00涟297[犯371天然密度291.780汇水面积库水位现状坝高浸润线堆积容重排设系数干滩00安全超高天然密度第n期王英博,等:基于HS一BP算法的尾矿库安全评价25依据表1,将相关性划分为四级:如两者呈正相关,守呈正值,守=1时为完全正相关;如两者呈负相关则守呈负值,而守=一1时为完全负相关.相关系数的绝对值越接近1,相关越密切;越接近于,相关越不密切;当守二时,说明两个变量之间无直线关系.通常乍绝对值大于0.75时,认为两个变量有很强的线性相关性.根据表数据分析,去相关性,选取安全超高干滩库水位滩顶及浸润线建立尾矿库安全评价指标体系.4实验结果分析与比较根据所调研的数据资料,利用表1选取的指标,选取2010年7月到2011年7月一年的监测数据360条作为训练样本,选取2011年8月监测数据10条作为测试样本.由实际样本知,HS一BP参数输入单元数量为5;输出层单元数量为1,且通过反复试验确定隐层单元数量为8.同时依据文献31},均匀设计选取学习率为0.05;HMs为20;HMCR为0.97;尸AR为.05;BW为.03;Nl为1000.部分训练数据如表2所示,危险系数作为目标值,分为四个等级阎.分别为0.1(能继续安全运行的尾矿库)0.2(带有缺陷运行的尾矿库)0.3(有严重缺陷,需限期治理的尾矿库)0.4(下令停用,经治理合格后方可运行的尾矿库).尾矿库安全评价结果导出如表3所示.表2部分训练数据安全超滩长度库水位滩顶浸润线危险系数022d34gs73a844.80294.38296.80263.800.1955.12301.19302.692.800.248.60304.15305.65263.4049.50308.80307.20277.50表3HS一BP模型试验结果安全超滩库水位滩顶浸润线期望系数计算系数危险指标qCaO山乙1qdh20lnj9ln勺gd1929.60303.80306.60263.600.10.180.09308.60310.102石0030召滩顶;干滩1107.80296.0130660262800.10.157296.01306.60281刀1住404安全超高;干滩;浸润线1301.57309.11303.20266.930.20.22.37955.12309.19300.2.800.20.20321130hU1311929.90300.8030269262.600.10.1.70.09308.78302.062.900.30.3干滩:滩顶1107.80296.01310.10262.800.10.15930988303.60288刀10.404安全超高;干滩;浸润线;库水位为了进行比较,分别用模糊综合评价法[l4}指数评价法[15}BP神经网络进行同一实例应用.得出尾矿库危险系数对比结果如表4所示.分析可知本文提出的HS一BP算法在进行尾矿库安全预测评价时具有最优的性能最大限度降低了尾矿库事故发生概率.表4各种方法预测结果比较方法正确率耗时/s实际模糊综合评价法75%931指数评价法80%219BP算法100%4OHS一BP算法100%l85结论)l通效采用HsA和BP神经网络建立尾矿库事故预测模型,既考虑了近期数据对尾矿库事故预测结果的影响,又考虑了尾矿库受周边地质环境变化的影响,充分挖掘了历史资料中隐含的有用信息,为如何预测2590系统工程理论与实践第32卷随机波动性和非线性较大的尾矿库事故提供了一条新思路.2)实例表明:该模型能够得到满意的预测效果,预测精度较高,其适用性和有效性均得到了验证,是一种有效的尾矿库事故预测模型.3)该模型参数的设定存在一定的随机性和不确定性,作为下一步研究的重点.参考文献!1}FourieAB,BlightGE,papageorgiouG.Statieliquefaetionasapossibleexplanationforthemerriespruittailingsdamfailure!J{CanadianGeoteehniealJournal2001,38(4):707一719.]黄海燕,麻荣永大坝安全模糊风险分析初探z[J].广西大学学报,2003,1:53一57.HuangHY,MaRY.preliminarystudyonfuzzyriskanalysisofdamsafety!Jl.JournalofGuangxiUniversity,2003,l:53一57.]李全明,张兴凯,王云海,等.尾矿库溃坝风险指标体系及风险评价模型研究[sI].水利学报,2009(ss):9一994.LiQM,ZhangXK,WangYH,etal.RiskindexsystemandevaluationmodelforfailureoftailingsdamsJ}.JournalofHydraulieEngineering,2009(8):9一994.]a[罗飞飞,李庆军.基于灰色模糊理论的尾矿库安全评价方法研究[].工业安全与环保,2009,35(8):46一6s8.LuoFF,LiQJ.Reaserehonafetyevaluationmethodoftailingpondbasedongrey一fuzzytheory{J}.IndustrySafetyandEnvironme,ltalproteetion,2009,35(8):46一45.]冯家诚,马锐基于神经网络型数据挖掘技术的股价预测[s[].计算机应用,2009,29(6):155一1s57.engJC,MaR.StoekfForeeastbasedondataminingofneuralnetworks!Jl.JournalofComputerApplieations,2009,29(6):155一15761OmranMGH,MahdaviM.Global一bestharmonysearehJl.AppliedMathematiesandComputation,2008,198(2):3一656.71郭晓婷,朱岩基于遗传算法的进化神经网络[].清华大学学报,200s0,40(10):116一118.GuoXT,zhuY.EvolutionaryneuralnetworksbasedongenetiealgorithmslJI.JournalofTsinghuaUniversity,2000,40(10):116一118.!8}ZhallgY,VllL.认)ightsoptimizationofneuralnetworksviaimprovedBCOapproaehJl.progressInEleetro-magnetiesReseareh,2008,83:185一198.]韩红燕,潘全科,梁静改进的和声搜索算法在函数优化中的应用[0[].计算机工程,20s10,36(13):245一247.HanHY,panQK,LiangJ.Applieationofimprovedharmo叮searehalgorithminfunetionoptimizationJ.COmputerEngineering,2010,36(13):245一247.鲁红英,肖思和基于改进的遗传神经网络数据挖掘方法研究[].计算机应用,2006,26(4):878一88s1.LuHY,Xiao5H.DataminingapproaehesresearehbasedonimprovedgenetieneuralnetworkJ{.JournalofConputerApplieations,2006,26(4):578一581.{nl生产监督管理总局.尾矿库安全技术规程AQ2006一2005[].sTheStateGeneralAdministrationoftheSuPervisionandAdministrationofProduetionSafety.Tailingsseeurity]0ltechnologyproeeduresAQ20O6一2005!s}.12}LipmanSB,MooBE,LajoieJ.C++primerMl.postsandTeleeompress,2006,3.]赵鹏军,刘三阳.和声搜索算法参数的均匀设计[sl].西安文理学院学报:自然科学版,200s9,12(5=5一8.)ZhaoPJ,Liu5Y.UniformdesignoftheparametersofharmonysearehalgorithmJl.JournalofXi,anUniversityofArts&SCience:NaturalScieneeEdition,2009,12(3):5一8.114}王旭,霍德利模糊综合评价法在煤矿安全评价中的应用闭.中国矿业,2008,17(5=75一7)8.叭了angX,HuoDL.ApplieationoffuzzyeomprehensiveevaluationineoalsafetyassessmentJ}.ChinaMiningMagazine,2008,17(5):75一75.]刘扬,李晓凤,姜志勇,等.道化学火灾爆炸危险指数评价法在轻烃储罐中的应用[sl].科学技术与工程,20s10,10(8):5509一5512.LiuY,LiXF,JiangZY,etal.DOW,5fireandexplosiondangerindexevaluationintheapplieationoflight场droearbontankJ}SeieneeTeehnologyandEngineering,2010,10(8):5509一5512.
