概率积分法预计参数选取的神经网络模型.pdf

第 3 3卷 第 3期 2 0 0 4年 5月 中国矿业大学 学报 J o u r n a l o f Ch i n a Un i v e r s i t y o f Mi n i n g Te c h n o l o g y Vo 1 ． 3 3 M a y NO．3 200 4 文章编号 1 0 0 0 1 9 6 4 2 0 0 4 0 3 0 3 2 2 0 5 概率积分法预计参数选取 的神经网络模型 郭文兵 。 ， 邓喀 中 ， 邹友峰 1 ．焦作工学 院 资源与材料工程系 ， 河南 焦作4 5 4 0 0 0 2 ．中国矿业大学 环境与测绘学院， 江苏 徐州2 2 1 0 0 8 摘要 在综合分析概率积分法参数与地质采矿条件之间关系的基础上 ， 采用人工神经 网络方法 建立了概率积分法参数选取的模型． 模型采用改进的 B P优化算法， 运用我国典型的地表移动观 测站资料作为学习训练样本和测试样本。 对网络模型的计算结果与实测值进行 了对比分析． 分析 结果表明 用人工神经网络方法求算概率积分法参数结果更接近于实际． 对提高开采沉陷预计精 度具有积极意义． 关键词 概率积分法；神经网络； 地表移动参数； 开采沉陷 中图分类 号 TD 3 2 5 ． 2 ； TP 1 8 3 文献标 识码 A Ar t i f i c i a l Ne u r a l Ne t wo r k M o d e l f o r Pr e d i c t i n g Pa r a me t e r s o f Pr o b a b i l i t y I n t e g r a l M e t h o d GUO W e n b i n g ，DENG Ka z h o n g ，Z OU Yo u f e n g 1 De p a r t me nt o f Re s o ur c e a n d M a t e r i a l En g i n e e r i n g，J i a o z u o I n s t i t u t e o f Te c h n o l o g y，J i a o z u o，He n a n 4 5 4 0 0 0，Ch i n a；2 ．Co l l e g e o f En v i r o n me n t a n d s p a t i a l i n f o ma t i c s ，CUM T，Xu z h o u，J i a n g s u 2 2 1 0 0 8，Chi n a Ab s t r a c t On t h e b a s i s o f a n a l y a i n g t h e r e l a t i o n s h i p b e t we e n p a r a me t e r s o f p r o b a b i l i t y i n t e g r a l me t h o d a n d g e o l o g i c a n d mi n i n g c o n d i t i o n s t h e mod e l t o c a l c u l a t e t h e p a r a me t e r s o f p r o b a b i l i t y i n t e g r a l me t h od wa s e s t a b l i s h e d b y a p p l y i n g t h e t h e o r y o f a r t i f i c i a l n e u r a l n e t wo r k ANN ．A l a r g e a mo u n t f r o m d a t a o f o b s e r v a t i o n s t a t i o n s wa s u s e d a s l e a r n i n g a n d t r a i n i n g s a mp l e s t o t r a i n a n d t e s t t h e a r t i f i c i a l n e u r a l n e t wo r k mod e l b y o p t i ma l a r i t h me t i c ．Th e c a l c u l a t i o n r e s u l t s o f t h e ANN mod e l a n d t h e o b s e r v e d v a l u e s we r e a n a l y z e d a n d c o mp a r e d wi t h e a c h o t h e r ．Th e r e s u l t s s h o w t h a t i t i S mo r e p r e c i s e t o p r e d i c t i n g t h e p a r a me t e r s o f p r o b a b i l i t y i n t e g r a l me t h od b y ANN t e c h n o l o g y a n d c a n ma k e a c o n t r i b u t i o n t o e n h a n c e t h e p r e c i s i o n o f t h e p r e d i c t e d p r a r me t e r s f o r mi n i n g s u b s i d e n c e ． Ke y wo r d sp r o b a b i l i t y i n t e g r a l me t h od ；a r t i f i c i a l n e u r a l n e t wo r k s ；p a r a me t e r s o f s u r f a c e mo v e me n t ；mi n i n g s u b s i d e n c e 地 表沉 陷和变 形值 的预计是 “ 三下 ” 开采方 案 决策和开采沉 陷治理研究 的重要依据． 地表移 动和 变形 预计 的方法 有多种 ， 但基 于随机介质力学理论 的概率积分 法是 我 国应用 最为广 泛 的开采 沉陷 预 计方 法[ 1 ] ． 其 预计 结果 的精 度主要取 决于预计参 数 的可靠性． 因此 ， 准确 确定 概率 积分法 预计 参数对 提高预计值 的精度具有 重要 意义． 我 国 自开展“ 三下” 采煤试 验研究 以来 ， 曾建立 了 2 0 0多个地 表移 动观 测站对 包括 概率 积分 法参 数 的地表移动 参数进行实测 ， 为进一步 的理论研究 积累了大量的资料[ 2 ] ． 这些参数一般是根据地表移 动观测站 资料 通过最小 二乘 法曲线拟合确定． 在理 收稿 日期 2 0 0 30 52 9 基金项 目t国家 自然科学基金项 目 5 0 1 7 4 0 5 1 ； 河南省自然科学基金项目 0 3 1 1 0 5 3 1 0 0 ； 河南省优秀中青年骨干教师基金项 目 作者简介 郭文兵 1 9 6 9 一 ， 男， 河南省宁陵县人， 焦作工学院副教授， 中国矿业大学博士研究生 ， 从事“ 三下” 采煤与特殊开采方面的研 究 ． 维普资讯 第 3期 郭文兵等 概率积分法预计参数选取的神经网络模型 论研究方面 ， 采用相似理论的方程分析法、 稳健估 计理论 、 岩石力学理 论以及数理统计 方法等对概率 积分 法参 数进行 了研究 l_ 3 ] ， 并 建立 了一 些经 验 公 式． 然而 ， 由于工 程岩体 结构 以 及地质 采矿 条件 的 复杂性 ， 概率积分 法参数 与地质 采矿条件之 间存 在 着复杂 的非 线性关系． 用数学或 力学的方法很难全 面而准 确地描述． 而大量重复地 建立地表移动观 测 站实测求 参 的方法 不仅耗 费大 量 的人力 、 财 力 ， 而 且 周期长 ， 难 以满足煤矿生产 的需要． 人工神经 网络技术具有 自组织 、 自学 习和强容 错 性能 ， 具有 同时能处理 确定性和不 确定 信息的动 态非 线性信息 的能力 ， 能建 立复杂的非线性 映射关 系[ 1 0 1 3 ] ． 因此在 岩石 力学 、 采 矿工 程等 领域 得到 了 越来越广泛 的应用 】 。 ． 本 文在综 合分 析概 率积分 法参 数 与地质 采矿 条件 之间关 系 的基础 上 ， 采 用人工神 经 网络方法 ， 建立 了概率积分法参数选 取的人工神 经网络模 型． 为确定概率 积分法预计参 数提供 了一种新 的方法 ． 1 概率积分法参数与地质采矿条件之间的 关 系 用概率 积分 法进行 地 表移 动和变形 预计 的基 本参数为下沉系数 q 、 水平移动系数 b 、 主要影响角 正切 t a n ／ 、 拐 点偏移 距 一般用 s ／ H 表示 ， H 为采 深 和 开采影响传 播角 0 ． 大量 的研究 表明 ， 这些参 数 与地 质采矿条件之 间的关系较复杂 ， 有些相关性 强、 有些相 关性弱． 各参 数 与地质 、 采矿条件之 间的 关系可做如下 的一些分析归纳． 1 ． 1 下沉 系数 下沉系数 g是充分采动 或换算到充分采动 条件下地表移 动稳定后最大下沉值 与采厚的 比值． 其大 小与上 覆岩 层岩性 、 采深 、 采 厚、 采动程 度、 采 动次 数、 表 土层 厚度 、 采煤 方法 和顶 板管理 方法 等 因素 有关 ． 采深 越大 ， 煤层 开采 煤层 厚度 越小 ， 地表下沉 系数 就越小． 下沉系数 q与各 因素 关系常 见 的回归 公式有 g 一 0 ． 5 0 ． 9 户 ， 1 g ---- k 一 1 一 砉 ， 2 q 1 0 ． 2 9 2 3 5 扎， 3 ． 6 3 6 十 0 ． O 3 0 4 譬 O l 6 6 ， 4 g 一 1 4 - a q ． 5 式 中 P为覆 岩综 合评 价 系数 ； k 、 k 为 系数 ； H、 M 分 别为开 采深 度 和开采 厚度 ； 为松 散层 厚度 ； E、 E 中 、 分别为覆岩弹性模量和多个矿区覆岩平均弹 性模 量 ； ， 为覆 岩 平均 容重 为 重复 采动 下沉 系 数 ； a为 活 化系数． 以上 公式 在 一定 程 度上 反 映 了 下沉系数 与地质采矿条件 的关系 ， 但 考虑 的因素还 不 够全 面． 文献 [ 1 2 ] 给 出了下 沉系 数 与各 因素之 间的定性规律 ． 1 ． 2 水平移动 系数 水 平移 动系 数 b是反 映地 表点 最大 水平 移动 值 与最 大下 沉值之 间关 系的参 数． 通过对实测资料 的分 析可知 水 平移动 系数 随地 质采矿条件的变化 规 律不太 明显． 一般 情 况下 ， 它 随煤层倾 角 的增大 而增大． 由于 冲积层 的流变 、 蠕 变特性 ， 它随冲积层 的厚 度增大 而增 大 ， 但它 的变 化 幅度 较小． 有 关 的 文献 [ 4 5 ] 通过 回归得 出 了以下经验公 式 b 一 0 ． 0 0 6 3 M 0 ． 2 7， 6 6 0 ． 1 3 7 9 0 ． 1 2 3 7 8 刍 0 ． 0 4 2 2 1 ， 7 式 中符 号涵义 同上． 文献 E 2 J 给 出 了倾 斜煤层 和水 平煤层的水平移动 系数 6 倾 斜和 6 水 平 之 间的关 系 6 倾 斜一 6 水 平 1 0 ． 0 0 8 6n ． 8 1 ． 3 主要影 响角正切 主要影 响角正切 t a n fl是开采工 作面 的深度 与 主要影 响半径 之 比． 它 主要 与上 覆岩层 岩性 有关 ， 岩性越 硬 t a n fl越 小 ， 它的变 化 幅度 为 1 ． 2 ～3 ． 5 4 ． 它也随采深 的变 化而变化 ， 随煤层倾角 的增大 而减 小 ， 厚冲积层矿 区随冲积 层的增大而减小 ． 文献 [ 2 ] 给 出如下 经验 公式 t a n／9 D～0 ． 0 0 3 2 H 1 ～0 ． 0 0 3 8 a 。 9 式 中 D 为岩 性 影响 系数 ， 与 覆岩 综合 评 价系数 P 有 关．中 硬 岩 层 重 采 与 初 采 的 主要 影 响 角 正 切 t a n fl 和 t a n fl 之间的关系为 t a n fl t a n 初0 ． 0 6 2 3 6 1 n H一0 ． 0 1 7 1 0 1 ． 4 拐点偏移 距 影 响拐点偏 移距 S的因素包括 上覆岩层 岩性 、 岩层层 位 、 松 散层厚度 、 煤层 倾角 、 采 厚 、 采深、 采 动 程 度、重 复 采 动、采 煤 方 法 和 顶 板 管 理 方 法 等_ 4 ． ] ． 覆 岩岩 性 和采 深 是影 响拐 点 偏移 距 的 主 要 因素 ， 随上 覆岩层 强度 的增 加而增 加 ， 随采深 的 增 加 而 增 加． 我 国 一 般 的 矿 区 S值 约 为 0 ． 0 5 ～ 0 ． 4 3 H 之间． 回归公 式主要 有 s ／ H a l a 2 ／ H ， 1 1 s ／ H a 1 n 2 l n L／ H a 3 ／ H ， 1 2 式 中 a ， a ， a 为 系数 ， 不 同矿 区 不 同方 向其 取 值 不 同； L为工作面长度． 此外 ， 一般认 为重复采 动时 的拐点偏移距小 于初次采动 时的拐点偏移距． 维普资讯 中国矿业大学学报 第 3 3卷 1 ． 5 开采影响传播角 一 般条件下， 开采影响传播角 0与煤层倾角 a 有关 ， 它随煤 层倾角 的增 大而减小 ， 即 9 0。 一是a， 1 3 式 中点为 系 数 ， 与岩 性 有 关 引， 岩 性 坚 硬 点取 0 ． 7 ～0 ． 8 ， 岩性 中硬 是取 0 ． 6 ～0 ． 7 ， 岩性软 弱 是取 0 ． 5 ～0 ． 6 ． 重复采 动时影响传播角较初 次采动时增 大 1 ～5 。 ． 当煤层倾 角 a 4 5 。 时 ， 有如下公式 一 2 8． 8。 0． 68 a ． 14 综上所述 ， 影 响概率积分法各参数选 取的 因素 有 上 覆 岩 层岩 性 以覆 岩 平 均 坚 固性 系 数 厂表 示 ， 采深 H ， 采 厚 M ， 煤 层倾 角 a ， 采 动程 度 n 与 工作面尺寸有 关 ， 表土层厚度 。 重复采 动． 此外 ， 概率积分 法参数还与采煤方法 和顶板管 理方法有密 切关系． 顶板管理方法对上覆 岩层移动 及地表下沉值起 着至关重要 的作用 ， 不 同的顶板管 理方法预计 参数差别很大． 由于我 国绝大 部分煤矿 的顶板管理方法为全部垮落法， 故本文只考虑全部 垮落 法 ， 对 充填 、 刀柱法 管理顶 板 及采取 岩层控 制 措施 如离层注浆等 时的参数不作讨论． 我国普遍 采用的采煤方法 是长壁式采煤法 ， 大部分地 表移动 观测站是建 立在长壁开采工 作面之上． 因此本文仅 讨论长壁式采 煤法的预计参数 ， 对特殊 的采 煤方法 如条带 开采 法、 房 柱式 采煤 法等 暂不 作讨论． 本 文 考 虑重复 采 动 的影 响 ， 初 次采 动 时变量 输 入 为 0 ， 重复采动时变量 输入为 1 ． 2 概率积分法参数选取人工神经网络模型 广泛． 它能够根据大量的实测资料通过训练学习知 识 ， 建 立各种 因素与输 出结果之 间的非线性映射 关 系． 它是通 过将网络输 出误 差反馈来对 网络参数进 行 修正 ， 自动调 节各影 响 因素 之间 的权值 ， 从 而实 现 网络的映射 能力． 2 ． 1 B P网络学习算法及其改进 在实 际应 用 中， B P网络 一般 算法 容 易陷入 局 部误差 极小点 ， 而 且网络 收敛速 度与学 习精度 之间 也 存 在 矛盾． 为 克服 上 述弊 端 ， 有 两 种 途 径 对 B P 算 法进行改 进 引。 一是 采用启 发式学 习方 法 ， 另 一 种是采 用更有效 的优化 算法． 本 文采 用 L e v e n b e r g Ma r q u a r d t优 化 算 法 ， 求 解 问题的速度会大 幅度提高 ， 但 这种方法需要很 大 的存储 空间 ， 其权 值调整率 为 A W ．， ．， 一 J P， 1 5 式 中 ． ，为误 差 对权 值微 分 的 J a c o b i a n矩 阵 ；e为 误差 向量 ； 为一标量 ， 称 为 自适 应调整量 ， 当 很 大 时 上 式 趋 于梯 度 法 ， 当 很 小 时 ， 上 式 变 成 为 Ga u s s Ne wt o n法 ． 采 用上述 方 法形 成 的改 进 型 B P网络 具 有较 好 的 收敛 性 ， 提 高 了网 络 的学 习速 度 和模 型 的精 度 ， 并不会 出现局 部极小点 的问题． 2 ． 2 选择学 习和训练 样本 笔 者根 据文献[ 1 ] 中 2 0 8个典 型的地表移动观 测站 资料 ， 筛 选 出 4 O个 实测 数据 作为 学习训 练和 测试 样 本 ， 见 表 1 ． 将 其 中 1 ～3 4号 观 测站 数 据作 为 学 习样本 对 网络进 行训 练 ， 3 5 ～4 O号观 测站 数 据作 为计算测试样本 用于检验网络 的性能． 目前 ， 人工神经 网络 以 B P 网络模型应 用最为 表 1 用作学习和训练样本的典型观测站数据 Ta b l e 1 Ob s e r v a t i o n s t a t i o n d a t a u s e d a s l e a r ni n g a n d t r a i n i n g s a mp l e s 观测 站名称 地 质 采 矿 条 件 概 率 积 分 法 参 数 厂 H M 口 ” 重 复采 动 g b t a n fi s ／ H 阜新平安五坑 阜新平安八坑东 3 北票 台吉 矿 一井 彩 屯矿走 向线 铁法 大 明一矿 扎赉 诺尔 十一 井 西安劳保井五路 辽 源梅河 三井 峰 峰 3 2 5 2站 峰 峰 3 7 0 1站 枣庄 2 0 4 2站 枣庄 3 3 1站 协庄 矿八 采 区 焦作 李封 矿 6 0 3站 焦作 马村 1 0 2走 向 上 维普资讯 第 3期 郭文兵等 概率积分法预计参数选取的神经网络模型 2 ． 3 网络模型结构 理论上 已证明 ， 一个包括输入 层、 隐含层 、 输 出 层 的 3层 B P网络 模型 可 以有 效 的逼 近任 意 连续 函数． 本文所建立 的概率积分法参 数选 取神经 网络 模型 采 用 3层 B P网 络结 构 ， 基 本 结构 为 输 入 层 为 7个 节点 ， 与 7个 影 响 因素相 对应 ． 输 出层 为 5 个节 点 ， 与概 率积分 法 预计 的 5个 参数 相对应 ． 隐 含层数 为 1 ， 隐含 层节点数 为 2 2个． 网络模 型结 构 如 图 1所示． Ⅳ M 重复采动 g b t a n s } H 图 1 概率积分法参数选取的网络模型结构 Fi g ． 1 ANN mo d e l f r a me f o r c a l c u l a t i o n o f p r o b a b i l i t y i n t e g r a l me t h o d p a r a m e t e r s 2 ． 4网络的学 习训 练 根 据 S i g mi o d型非 线性作 用 函数 可知 ， 网络 的 输 出值 区间为 [ O ， 1 ] ， 根据 表 1中所列 学 习训练 样 本 的数据 特点 ， 首 先将 输入 、 输 出数据 统一 进行 归 一 化处理 到[ O ， 1 ] 区 间 内， 然后 采用上 述算 法对 网 络进 行 学 习训 练． 采 用 L M 算 法 训 练 B P 网络 学 习时 间更 短 ， 经过 1 2 9次迭代 收敛精 度达到 0 ． 0 0 5 以下． 训练误差 随迭 代次数变化趋势 如图 2所示． 渊 悠 趱 图 2 L M 算法训练误差随迭代次数的变化 Fi g． 2 Th e e r r o r c h a n g i n g o f L M a r i t h m e t i c 2 ． 5 网络 的性能测试 用表 1中的 3 5 ～4 O号测试样 本对训练好 的网 络模 型 进行 检验 ， 测试 结果 见 表 2 ． 由测试 结 果 可 知 下沉系数 q计算 的最 大绝 对误差 为 0 ． 0 0 4 3 ， 最 大 相对 误 差 为 0 ． 6 3 ； 水平 移 动 系数 b计 算 的最 大绝 对误差为 0 ． O 1 1 5 ， 最大 相对误 差为 5 ； 主要 影 响角正切 t a n ／ 计算 的最大绝对误差 为 0 ． 0 1 9 6 ， 最大相对误 差为 0 ． 9 3 ； 拐点偏移距 s ／ H 计算 的 最大绝对 误差为 0 ． 0 1 6 5 ， 最大相对误差 为1 2 ． 6 ； 开 采 影 响 传 播 角 0计 算 的 最 大 绝 对 误 差 为 1 ． 4 7 9 4 。 ， 最大相对误 差为 1 ． 8 8 ． 通过 比较分析 ， 维普资讯 3 2 6 中国矿业大学学报 第 3 3卷 该 网络模 型 的计 算结 果误 差小 ， 精 度高 ， 完 全可 以 取概率积分 法参数这一 方法 的可行性 和准确性． 满足工程 实际需要． 证 明 了用人工 神经网络技术选 表 2 AN N计算结果与实测值的比较 Ta b l e 2 Co mp a r i s o n o f t h e ANN p r e d i c t e d r e s ul t s wi t h o b s e r v e d v a l u e s 3 结论 1 在综合 分析概率 积分法预计 参数与地 质采 矿条件关系 的基 础上 ， 提 出并建立 了概率 积分 法参 数选取 的人工 神经网络模型 ， 并采用改进 的优化 学 习算法 ， 提 高 了网络模 型学 习 的效率． 通过 大量 地 表移动 观测站 实测数 据对 网络模 型进 行学 习训 练 和性能测试 ， 证 明了人工 神经网络技术用于计算 概 率 积分法参数 的可行性 、 准确性和科学性． 2 由于该 模 型考 虑 的 因素更 为全 面 ， 与其 它 理论 计算相 比具有 快速简捷 、 准确性高和应 用范 围 广等 特点 ， 在 一定程度上 可避 免通 过建立地表移 动 观测 站实测求取概率 积分法参数 的耗 时长等缺陷 ， 对提 高地表 移动和 变形预计精度具有积极意 义． 参考 文献 [ 1 ] 何国清 ， 杨伦， 凌赓娣 ， 等． 矿山开采沉 陷学[ M] ． 徐 州 中国 矿业 大学 出 版社 ， 1 9 9 4 ． [ 2 - 1 国家煤炭局． 建筑物、 水体、 铁路及主要井巷煤柱留设 与压煤开采规程[ M] ． 北京 煤炭工业出版社 ， 2 0 0 0 ． 1- 3 ] 郭广礼 ， 汪云甲． 概率积分法参数的稳健估计模型 I- J ] ． 测绘学报， 2 0 0 0 ， 2 9 2 1 6 2 1 6 5 ． [ 4 ] 李凤明， 梁京华． 厚 冲积层地表移 动参数与地质采矿 ， 条件之间的关系及其特点I- J ] ． 煤炭科学技术， 1 9 9 6 ， 2 4 3 2 9 3 3 ． [ 5 ] 郝延锦， 吴立新， 陈胜华． 岩移参数的统计和影响因素 I- J 1 ． 煤矿安全 ， 2 0 0 0 ， 5 3 0 3 1 ． 1- 6 ] 王悦汉 ， 邓喀中， 张东至， 等．重复采动条件下覆岩下 沉特性 的研究I- J 1 ． 煤炭学报 ， 1 9 9 8 ， 2 3 5 4 7 0 4 7 5 ． [ 7 ] 邹友峰． 地表下沉系数计 算方 法研 究I- J ] ．岩土工程 学 报 。 1 9 9 7 。 1 9 3 1 0 9 1 1 2 ． [ 8 ] 周万茂 ， 张华兴， 仲惟林． 多工作面开采影响下求取地 表移 动参数 方 法研 究[ J ] ． 煤 炭学 报， 2 0 0 0 ， 2 5 3 26O 一 263． 1- 9 ] 谢文兵 ， 笪建原 ， 张连贵， 等． 地质采矿 因素对拐点偏 距 的影 响I- J 1 ． 矿 山压 力与顶板 管理， 1 9 9 8 ， 1 2 8 29， 5 0． [ 1 O ] 冯夏庭， 王泳嘉． 采矿智能系统人工智能与神经 网 在 矿 业 工 程 中的 应 用 [ M] ． 北 京 冶 金 工 业 出版 社 ． 1 9 9 4 ． [ 1 1 ]闻新， 周露 ， 王丹力 ， 等． MAT LAB神经网络应 用设计[ M] ． 北京 科学 出版社 ， 2 0 0 1 ． [ 1 2 ] 袁 曾任． 人工神经网络及其应用[ M] ． 北京 清华大 学 出版社 ， 1 9 9 9 ． [ 1 3 ] 楼顺天 ， 施 阳． 基于 MATL AB的系统分析与设计 神经网络I- M] ． 西安 西安 电子科技大学 出版 社 。 2 0 0 0 ． [ 1 4 ] 冯夏庭 ， 朱维 申． 智能岩石力学在地下工程 中的应用 I- J 1 ． 岩石力学与工程学报 ， 1 9 9 9 ， 1 8 增 8 2 2 8 2 5 ． [ 1 5 ] s i n g h V． K． ， s i n g h D， s i n g h T． N．P r e d i c t i o n o f s t r e n g t h p r o p e r t i e s o f s o m e s c i i s t o s e r o c k s f r o m p e t r o g r a p h i c p r o p e r t i e s u s i n g a r t i f i c i a l n e u r a l n e t wo r k s [ J] ． I n t e r n a t i o n a l J o u r n a l o f R o c k Me c h a n i c s ＆ M i n i n g Sc i e n c e s ， 2 0 01 ，3 8 2 2 6 9 28 4． [ 1 6 ] 孙钧 ， 袁金荣． 盾构施工扰动与地层移 动及其智能 神经网络预测I- J 1 ． 岩土工程学报， 2 0 0 1 ， 2 3 3 2 6 1 26 7． [ 1 7 ] 孙豁然 ， 王述红， 官永军 ， 等． 大型地下硐室开挖过程 位移变形智能预测 I- J 1 ． 煤炭学报 ， 2 0 0 1 ， 2 6 1 4 5 48 ． [ 1 8 ] 周保生 ， 朱维 申， 李术才． 神经 网络在综采巷道锚杆 支护设计 中的应用研究 I- J1 ． 岩石力 学与工程学报， 2 O O 1。 2 0 4 4 9 7 5 0 1 ． 责任编辑王玉浚 维普资讯