一種膠結充填材料力學性能預測方法
【技術領域】
[0001] 本發(fā)明涉及一種充填采煤的充填材料力學性能預測方法，特別是一種膠結充填材 料力學性能預測方法。
【背景技術】
[0002] 隨著煤炭開采技術的發(fā)展，"綠色開采"成了未來必然的趨勢，充填采煤技術是實 現綠色采礦的一個重要途徑。充填采煤技術眾多，其中膠結充填開采技術是以礦井矸石和 粉煤灰為主要充填材料，在膠結料的作用下按照一定的配比拌合制成無需脫水處理的料 漿，采用充填泵通過管道輸送到井下，適時充填采空區(qū)的開采方法。膠結充填材料是膠結充 填采煤技術的核心，材料性能如坍落度、泌水率、不同齡期強度等是技術能否成功應用的關 鍵。由于膠結充填材料力學性能影響因素重多，目前的研宄方法主要是分別針對單因素變 化進行研宄，無法進行全面的多因素交叉分析，不僅試驗工程量巨大，而且具有很大的局限 性，給采礦工程現場應用中的生產決策帶來困難。

【發(fā)明內容】

[0003] 本發(fā)明的目的是要提供一種簡單準確的膠結充填材料力學性能預測方法，解決無 法進行全面的多因素交叉分析的問題。
[0004] 本發(fā)明的目的是這樣實現的：該預測方法，是基于引入附加動量法和自適應學習 速率改進的BP神經網絡，通過實驗室實驗獲取的樣本數據訓練和測試網絡，然后輸入需要 預測的條件，即可得對應的力學性能值；具體包括以下步驟：
[0005] a.針對膠結充填材料力學性能影響因素，所述的膠結充填材料為料漿濃度、粉煤 灰用量、白灰渣用量和水泥用量；不同配比值進行實驗室實驗，獲取不同影響因素配比下充 填材料力學性能值，所述的影響因素為坍落度、泌水率和各齡期抗壓強度；得到訓練樣本和 測試樣本；將力學性能值與影響因素的各個配比值歸一化處理，確定輸入輸出向量；
[0006] b.根據輸入向量、輸出向量構造符合膠結充填材料力學性能預測的BP神經網絡 模型，引入附加動量法和自適應學習速率改進BP神經網絡預測模型，并根據實驗預測精度 要求，設定誤差閥值；
[0007] C.利用訓練樣本訓練建立的網絡，測試樣本測試訓練后的網絡，調整誤差直至達 標；
[0008] d將需要預測的條件輸入，即可輸出對應的力學性能值。
[0009] 所述的步驟b包括如下過程：
[0010] a).創(chuàng)建基于附加動量法和自適應學習速率改進的BP神經網絡預測模型；
[0011] b).根據膠結充填材料力學性能影響因素確定輸入層數量為m，根據需預測的力 學性能個數確定輸出層數量為n;
[0012] c).根據網絡性能指標訓練誤差（MSE)和訓練結果擬合相關系數（R)確定隱層節(jié) 點數，隱層傳遞函數為tansig函數，輸出層傳遞函數為purelin函數。
[0013]有益效果，由于采用了上述方案，基于改進的BP神經網絡建立膠結充填材料性能 預測模型，可以預測不同濃度、粉煤灰、白灰渣和水泥用量的膠結充填材料的坍落度、泌水 率、3d、7d、28d的強度等，在實際運用時，根據有限的數據，輸入不同條件下影響因素值，即 可輸出對應條件下的膠結充填材料性能指標；借助Matlab7. 1平臺采用實驗室數據對網絡 進行訓練和測試，操作過程簡單，預測精度高。解決了充填采煤的充填材料對力學性能預測 無法進行全面的多因素交叉分析的問題，達到了本發(fā)明的目的。
[0014] 優(yōu)點：該方法具有操作簡單，預測精度高，結果可靠，成本低廉等優(yōu)點。
【附圖說明】：
[0015] 圖1是本發(fā)明的膠結充填材料性能預測方法流程圖。
[0016] 圖2是本發(fā)明的BP神經網絡訓練結果圖。
[0017] 圖3是本發(fā)明的BP神經網絡訓練誤差曲線圖。
【具體實施方式】
[0018] 下面結合附圖對本發(fā)明的一個實施例作進一步的說明。
[0019] 實施例1 :該預測方法，是基于引入附加動量法和自適應學習速率改進的BP神經 網絡，通過實驗室實驗獲取的樣本數據訓練和測試網絡，然后輸入需要預測的條件，即可得 對應的力學性能值；具體包括以下步驟：
[0020] a.針對膠結充填材料力學性能影響因素，所述的膠結充填材料為料漿濃度、粉煤 灰用量、白灰渣用量和水泥用量；不同配比值進行實驗室實驗，獲取不同影響因素配比下充 填材料力學性能值，所述的影響因素為坍落度、泌水率和各齡期抗壓強度；得到訓練樣本和 測試樣本；將力學性能值與影響因素的各個配比值歸一化處理，確定輸入輸出向量；
[0021] b.根據輸入向量、輸出向量構造符合膠結充填材料力學性能預測的BP神經網絡 模型，引入附加動量法和自適應學習速率改進BP神經網絡預測模型，并根據實驗預測精度 要求，設定誤差閥值；
[0022] c.利用訓練樣本訓練建立的網絡，測試樣本測試訓練后的網絡，調整誤差直至達 標；
[0023] d將需要預測的條件輸入，即可輸出對應的力學性能值。
[0024]所述的步驟b包括如下過程：
[0025] a).創(chuàng)建基于附加動量法和自適應學習速率改進的BP神經網絡預測模型；
[0026] b).根據膠結充填材料力學性能影響因素確定輸入層數量為m，根據需預測的力 學性能個數確定輸出層數量為n;
[0027] c).根據網絡性能指標訓練誤差（MSE)和訓練結果擬合相關系數（R)確定隱層節(jié) 點數，隱層傳遞函數為tansig函數，輸出層傳遞函數為purelin函數。
[0028] 具體的：
[0029] a.針對膠結充填材料力學性能影響因素，如料漿濃度、粉煤灰用量、白灰渣用量和 水泥用量等，不同配比值進行實驗室實驗，獲取不同影響因素配比下充填材料力學性能值， 如坍落度、泌水率、各齡期抗壓強度等，得到訓練樣本和測試樣本。將力學性能值與影響因 素的各個配比值歸一化處理，確定輸入輸出向量。
[0030] 根據某礦生產的實際情況，為了研宄膠結充填材料配比對其性能的影響，需要在 合理范圍內調整料漿濃度、粉煤灰用量、白灰渣用量和水泥用量，針對不同配比進行試驗。 具體試驗配比方案見表1。
[0031] 表 1
[0032]
【主權項】
1. 一種膠結充填材料力學性能預測方法，其特征在于基于引入附加動量法和自適應學 習速率改進的BP神經網絡，通過實驗室實驗獲取的樣本數據訓練和測試網絡，然后輸入需 要預測的條件，即可得對應的力學性能值；具體包括以下步驟： a. 針對膠結充填材料力學性能影響因素，所述的膠結充填材料力學性能影響因素為料 漿濃度、粉煤灰用量、白灰渣用量和水泥用量；不同配比值進行實驗室實驗，獲取不同影響 因素配比下充填材料力學性能值，所述的影響因素為坍落度、泌水率和各齡期抗壓強度；得 到訓練樣本和測試樣本；將力學性能值與影響因素的各個配比值歸一化處理，確定輸入輸 出向量； b. 根據輸入向量、輸出向量構造符合膠結充填材料力學性能預測的BP神經網絡模型， 引入附加動量法和自適應學習速率改進BP神經網絡預測模型，并根據實驗預測精度要求， 設定誤差閥值； c. 利用訓練樣本訓練建立的網絡，測試樣本測試訓練后的網絡，調整誤差直至達標； d. 將需要預測的條件輸入，即可輸出對應的力學性能值。
2. 根據權利要求1所述的一種膠結充填材料力學性能預測方法，其特征在于：所述的 步驟b包括如下過程： a) 創(chuàng)建基于附加動量法和自適應學習速率改進的BP神經網絡預測模型； b) 根據膠結充填材料力學性能影響因素確定輸入層數量為m，根據需預測的力學性能 個數確定輸出層數量為n; c) 根據網絡性能指標訓練誤差（MSE)和訓練結果擬合相關系數（R)確定隱層節(jié)點數， 隱層傳遞函數為tansig函數，輸出層傳遞函數為purelin函數。
【專利摘要】一種膠結充填材料力學性能預測方法，屬于充填采煤的充填材料力學性能預測方法。利用改進的BP神經網絡基于已有的數據樣本，對未進行測試的配比材料力學性能進行預測。步驟：首先，選取膠結充填材料力學性能影響因素，如料漿濃度、干料配比，作為輸入層節(jié)點；其次選取需要預測的力學性能指標，如坍落度、泌水率、不同齡期抗壓強度，作為輸出層節(jié)點；實驗測試不同配比材料的力學性能值，所得數據作為訓練樣本和測試樣本；確定輸入輸出向量，建立引入附加動量法和自適應學習速率改進的BP神經網絡，并對網絡進行訓練和測試；最后，將需要預測的條件輸入，即可輸出對應的力學性能值。該預測方法效率高，結果精準，成本低廉，能滿足生產實踐活動的需求。
【IPC分類】G06N3-02, G06Q10-04
【公開號】CN104820870
【申請?zhí)枴緾N201510219473
【發(fā)明人】鄧雪杰, 張吉雄, 李百宜, 安百富, 康濤
【申請人】中國礦業(yè)大學
【公開日】2015年8月5日
【申請日】2015年4月30日