img

QQ群聊

img

官方微信

  • CN 62-1112/TF 
  • ISSN 1005-2518 
  • 创刊于1988年
高级检索
采选技术与矿山管理

基于PCA-BP神经网络的尾矿库坝体稳定性分析

  • 陈建宏 ,
  • 朱鼎耀 ,
  • 陈轶俊 ,
  • 叶阿明 ,
  • 邱文
展开
  • 中南大学资源与安全工程学院,湖南  长沙   410083
陈建宏(1963-),男,江苏苏州人,教授,从事矿山安全管理和矿业经济研究工作。cjh@263.com

收稿日期: 2014-11-20

  修回日期: 2015-03-18

  网络出版日期: 2015-12-09

基金资助

国家自然科学基金项目“地下金属矿床采掘计划可视化优化方法与技术研究工作”(编号:51374242)资助

Analysis of the Stability for Mine Tailings Dam Based on PCA-BP Neural Network

  • CHEN Jianhong ,
  • ZHU Dingyao ,
  • CHEN Yijun ,
  • YE Aming ,
  • QIU Wen
Expand
  • School of  Resources and Safety Engineering,Central South University,Changsha     410083,Hunan,China

Received date: 2014-11-20

  Revised date: 2015-03-18

  Online published: 2015-12-09

摘要

基于尾矿库坝体稳定性影响因素具有复杂多变性、随机不确定性和非线性的特点,为了确保尾矿库稳定并且有效预防尾矿库事故的发生,建立了基于PCA和BP神经网络的尾矿库坝体稳定性研究模型,该模型通过应用SPSS软件对来自多个尾矿库失稳实例的原始数据进行标准化,找出影响尾矿库坝体稳定的主成分,然后把主成分作为BP输入样本,运用MATLAB软件进行训练仿真。结果表明:在BP训练前,利用PCA算法对原始样本进行预处理,能有效地提高训练的速度和精度,得出了PCA-BP神经网络模型在尾矿库坝体稳定性分析中是可行的。

本文引用格式

陈建宏 , 朱鼎耀 , 陈轶俊 , 叶阿明 , 邱文 . 基于PCA-BP神经网络的尾矿库坝体稳定性分析[J]. 黄金科学技术, 2015 , 23(5) : 47 -52 . DOI: 10.11872/j.issn.1005-2518.2015.05.047

Abstract

The characteristics of the influence factors for the stability of mine tailings dam is complex variabily,uncertain and nonlinear.For the purpose of guaranteeing the stability of the tailings and preventing mine tailings dam accident effectively,an analysis model of the stability for mine tailings dam based on PCA-BP neural network is established.The original data from multiple mine tailings dam instability instance is standardized to determine the principle component by using SPSS software,then we use the principle component as a BP input sample to train simulation by using MATLAB software.The data shows that preprocessing the original sample by using PCA algorithm before the BP training can effectively improve the training speed and precision,the PCA-BP neural network model is feasible in the analysis of the stability for mine tailings dam.

参考文献

[1] 曲业兵.关于尾矿库的建设与环境保护问题的思考[J].环境保护与循环经济,2011,31(11):65-68.
[2] 迟继松,郭伟,王月伟,等.山东蓬莱矿业选矿厂尾矿堆放及排水方式探讨[J].黄金科学技术,2011,19(6):72-74.
[3] 杨波.尾矿库在线安全监测及预警关键技术研究[D].武汉:中国地质大学,2012.
[4] 肖慧,盛建龙,姚尧.基于GEO-SLOPE的某尾矿库稳定性分析[J].现代矿业,2010,(7):67-69.
[5] 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[J].水利学报,2009,40(8):989-994.
[6] 华继钊,王建国,杨静宇.基于PCA的边缘检测方法[J].中国图像图形学报,2009,14(5):912-919.
[7] 刘学元,孙焕英,黄再心,等.ETM遥感数据在白音吉日嘎拉—阿尔萨拉一带1∶5万地质调查中的应用[J].黄金科学技术,2015,23(1):61-65.
[8] 金豫杰.基于BP神经网络的公路隧道交通量预测[J].广西科技大学学报(自然科学版),2005,16(增):28-31.
[9] 何键.尾矿库边坡稳定状况远程监测系统研究与设计[D].赣州:江西理工大学,2014.
[10] 袁骏,张明敏,孙进才.基于PCA 和BP 神经网络的水下目标识别方法研究[J].海军工程大学学报,2005,17(1):101-104.
[11] 朱志洁,张宏伟,韩军,等.基于PCA-BP神经网络的煤与瓦斯突出预测研究[J].中国安全科学学报,2013,23(4):45-50.
[12] 蔡红,陈荣耀.基于PCA-BP神经网络的股票价格预测研究[J].计算机仿真,2011,28(3):365-369.
[13] 李英龙,严碧.SPSS统计软件包在矿山统计分析中的应用[J].黄金,2000,21(5):17-20.
[14] 袁曾任.人工神经网络及其应用[M].北京:清华大学出版社,1999:30-55.
[15] 王英博,王琳,李仲学.基于HS-BP算法的尾矿库安全评价[J].系统工程理论与实践,2012,32(11):2585-2590.
[16] Niculescu S P.Artificial neural networks and genetic algorithms in QSAR[J].Journal of Molecular Structure:Theochem,2003,622(1/2):71-83.
[17] 林在贯.岩土工程手册[M].北京:中国建筑工业出版社,1994:20-24.
[18] 王世鹏.基于BP人工神经网络的尾矿库坝体稳定性预测研究[C]//2010国际安全科学与技术学术研讨会论文集.沈阳:东北大学,2010:794-798.
[19]  徐自祥,周德云,罗奕然.基于主成分的模糊神经网络[J].计算机工程与应用,2006,42(5):34-36.

文章导航

/