基于神经网络的采矿方法选择专家系统的研制.pdf
7 基于神经网络的 采矿方法选择 专家系统 的研 制 魏 一呜 童光煦 ab 京科技大学 、 弋 \ 嚣 厄 \ 一 ’ 摘要 针对 采 矿方 法方案选择 的特 点, 本文将人 工神 经网络和专 家系 统技术 结合 起来, 设 计并 开发 了用于采矿 方法方案选 择的专家 系统;阐述 了其设 计原理 及组成。 系统的 杏 7 步 运行表明 持神经网络和专家系统技术引到矿业 中来, 是切实可行的。 亩 7 A STUDY oN THE NEURAL NETW ORK BASED EXPERT SYSTEM FoR M I NI NG M ETHoD SELECTI oN W 皿 Y I NG TO NG GU AN GX U 0Ⅱ ] N XI AO Ⅱu A l u“ l 幽 枷0 蝴 时 咖 ⅡⅡ 删 喇 l 咖l c 口 A bs t r ac t W i t h t he c ha r a c m r o f m i ni ng ri l e % ho d s e l ec t i o n, i n C h i s p a p e r , 恤 e a ut h o r ha s d e e l o p e d ne u r a l ne t wo r k e x p e r t s ys t e m f o r m i ni ng me t h o d s e l e c t i o n. n8 p r i n c i p l e a .nd s C r u e t ur e mb d e s c r i b e d . The a p pl i c a % i o n s ho ws % ha t % h e ne n r a l ne t wo r k a nd e xp e r t s y s t e m wi l l b e wi d e l y a pp l i e d 七 o m i ni ng e ng i ne e r i ng . K e yw c r ds M i ni ng m e t ho d,ne m a l ne t wo r k, e x pe r t s y s t e m . 一 、刖 青 采矿 方 法方案 的选 择是一 项复 杂的系 统工 程。 它 的选择 台理 与否,直 接影 响矿 山的安 全生产和 经济 效益 。因此,如何台 理、 科学地 选择采矿方 法方案是矿床 开采 的关键 问题之 一 。 . 在矿床开采 中,采矿方法方案 的选择一般经历方案的初选和对初选方案进行技术经济 分辑两/ 卜 阶段。然 1 由于影响采矿方法方案选择的因素繁杂,许多概念都有模糊不确定 奉j [ 1 9 9 4年 3 月 8日收到o 5 1 维普资讯 性。评价方 案优 劣的准则和 目标 较多, 丽 且在 决策 过程 中, 很大 程度 上依赖 于决 策者 的经验 知识。因此, 传统的采矿方 法方案选择,很难保证方案的合理性和决策的总体一致性,也就 更谈 不 上决策 过程的科学 性[ 。 随着 计算 机技 术 的广 泛应用 和计 算机科学 的迅速发展 ,人工智 能 中的神经 网络方 法 和 专 家系统技术 的 出现, 为采 矿方 法方案 的正确 选择提供 了一条 科学 的途 径。 本文在 作者 所开 发 的 矿 山井 巷工程 专家系 统 研 究成果 的基础之 上 , 提 出并设计 研制 了基于 神经 网络的 采 矿方 法选择 专家系 统。 二 、系统设计原理 2 . 1总体设 计 为了使系统 具有 良好 的可移植性,整 个系统应 是由各 个子 系统集 成的。 系统 采用 结构 化系统分 析的方 法进行 研 制。根 据采 矿方 法选择 的特 点, 要求整个系统 首先, 能 对矿床的 埋藏及其 开采技术条 件进行数据 的初 始化处 理。 例如 , 列 围岩 性质 的判 别等。然 后, 根 据这 些初 始化 后的矿床埋藏 条件及开采 技术条件 等静态事实 , 依赖 于知识库 中存储 的专家知 识, 给 出矿床 开采方 法的定 性方案。 再根据 影响各种 采矿方 法的技 术经济 指标 的因素 特 征 值, 由训 练后 的神经 同络 给 出某一方案 的技术经 济指标值 。当 专家系统 给 出多 于一个 方 案 时, 能根 据 给出的可 信度 指标及其技 术经济标 值, 对 方案进行 模糊 评价。依 据评价 结果 , 系 统给 出最终方 案及其技 术经 济指 标预测值和该 方案 的可 信度。 另一方 面,必须能 提供 良好 的用 户界面, 对系统中所涉及的各种数据库、 知识库能方便地进行编辑、 修改、 删除、 添加、 备份等 维 护和管 理工 作。 2 . 2系统组 成 根 据前述 总体设 计的分 析和 要 求, 采 矿 方 法 选 择 神 经 网 络 专 家 系 统 NNES Ms N o u r a l N o f w o r k Ex p o S y s t e m f 0 r M抽i n g Mo C h o d S o l e c t i o n 由以下五个子系统 组 成 1 数据的初始化处理子系统主要用于对矿床开采技术条件中不确定性因素的描述 处理, 例 如 围岩 的模 糊分类 等; 2 专家咨 询子 系统能根 据矿床开 采的静态事 实, 依赖于 知识库 中的知识, 给出带可 信度 因子 的定性方案 ; 3 神 经 网络指 标预测 子 系统根据初 始特征值 , 由 已训 练好 的同络, 给出某方案 的技 术 经济主 要指标; 4 模糊层j上 评价子 系统能对两个 以上方案进行多因素、 多层次模糊评价; 5 库厦库的管理子 系统对系统中所涉及的数据库、 知识库进行存储、 查询、 修改等 维护和管理 工作。 2. 8系 统 功 能 NNES MMS系 统可根 据矿 床的埋藏条 件和开 采技 术条 件,确定矿床开 采的采 矿方 法方 案。 它既可 为矿 山的设 计提供 科学依据, 又可对 现行 开采矿 山采矿方案 的台理 性进 行评 价。 因此, NNEf MM8系统的 开发为 矿山的设 计 和管理人员 作出科学 的决策提供 了一 彖崭新的 手段 和途 径。 维普资讯 .4 系统 结 构 根 据前述的系统组成, 整个系统采用选单 驱动。系统的总体结构如图 1所示 l h 、 。 M 系统 结 构 圈 三、库 及 其 管 理 3. 1知识的 表达 及知识 库 专家咨询子 系统 中 的知识来源 于专 家、 教 科书、专 业文献及设 计手册 、规程 等。将这些 知识进 行归 纳总结之后, 选择某 种知 识的表达方 法存储 到计算 机中形成知 识库。 因此说, 专 家子系 统中 的知 识库就 是 专家知 识、 经验与 书本知识 的存储器。 在 NNES MMS系统 中知识 的表达采用 了产生 式规则 表 达法。 整个知 识库 由静 态 数 据 库 、 产生式 规则 库 以及动态 数据 库三 个部 分组 成。 静态数 据库包括 了矿床 赋存 条件、开 采技术 条件等静态 事实。 在 起始 的数 据管理中用 请词 逻 辑进行 描述, 例如 r d a ug [ e _ f _ o r e b o d y X ; - - a ng l e o f _ o r e b o d y LI S T2 me n u 1 0 , 6 0 , “ 矿 体 倾 角“ LI S T2 ,C HOI CE , ma k e w n d a w 3 ,7 , ” ,1 0 6 0 ,1 3 ,1 I , r eme v e wi ndo w. d e x L I S T2 ,CHO I CE,X . 产生式规则库她用I F ⋯THE N形式表达专家知识和经验以及专门领域的理论知识, 例 娅 l n g me I h 。 d “ 普通 全面 浩 ∞n 石 。 Ⅱ hd 1 , 0. 1 3 , c o n d i o m q g 2 ,0 . 1 5 c o n d i o n k i l l ,O . 2 , 。 a o n d i o n k i nd 3 ,0 . 2 , 0 0 n 越缸 0 Ⅱ d b l f 4 ,0 . 曲 a o n d i h o u d b 2 f 3 ,0 . 2 c o n d i J n b l l ,0 . 2 5 . 动态数据 库 采用 了 Tu r b or o l o g谓词 8 , s s o r z或 a s s e r i a以及 r e t r a c , 使中间结论 揭 入 内存 或从 内存 中消除。 根据 垒国自然科学名词审定委员会审定公布的‘ 计拜矶科学技柬基 本 占调’ , “ 釜单” 统一为“ 选 单” 。 - t 维普资讯 8. 2库的管理 不论系统的知识库还是数据库,N NE S MMS系统中均采甩 T u r b o P r o ] o g 2 . 0编 制 了 具有以下功能的统一 的库的管理子系统 甲 1 ● ● l I ] 囱豳豳豳豳叵 由 图2 库 的管理子系统功能图 四、不确定性推理 【 , 。 】 NN E S MMS系统中涉及许多定性因素的描述, 这些都是不精确或不完善的资料。 医此, 为了更好地模拟人类 专家工作, 系统采用了适宜于采矿方法方案选择的 MYC I N模糊推理 模型。该模型中可信度求值可按以下规定 1 证据 是单个 条件 如果惫件 , 则有结论 丑 。 . ’ .CF B 一 [ / / , ] ma x { O , } 1 ] 2 证 据是 AND连接 I F l AN D 2 ⋯AN D E T HEN B x . ‘ . OF H 一 [ 1 AN D 2 ⋯AN D ] rai n { O F E, , O F E。 , ⋯, CF E } 2 f 3 证据 是 OR连 接 I F l OR ⋯O RE T ]锄 N 丑 0F 丑 一0 1 OR E O R E 一ma x { O F m , O F E , ⋯, O F E } 3 4 两条规则具有相同结论 I F E1 T HEN l口 O F[ B, 1 ] I F见 T HEN H O F[ 丑, 置 则先用 式分别求出 O F 且 及 d F。 丑 , 然后用公式 r 日 丑 -OF Ⅱ d 日 ; _日& 丑 10 。 一{ O F 丑 。 丑。 F 丑 c ; 丑 &D i l l ≤o I c 丑 O F 。 丑 ; c f 丑 0 。 丑 o 例如 在 N NES MMS中以下列形式给出的知识规则 n l i n g me t h o d “ 昔通全面怯 .--c o n d l t i o n h d 2 ,0 . 3 5 , o n di t i o n ,b ] l , 0. 2 5 e o nd i o n q g 3 , 0 . c 0 n d i t l o n k t f 2 .0 . 0 , 并 矿体厚度 口 . 2m 0 Fl 0 . , 矿体倾角 1 7 2 5 。 们 ----0 . ∞ ’ 地表不允许崩落 0 O . 2 5 矿体 , 一2 . 5 F 一O 、 2 - / 、 规则中, 当四个条件同时豪持采用“ 普通全面法 时, 培论的可信度为, ’ 5 4 维普资讯 d I 2 3 4 一d Fl GF f 1 ~d F1 O F3 [ 1 一 O F1 十d 2 1 一OFD] O F 1 一 d l d d 3 i --O FD] 0 . 3 5 0 . 2 5 1 -0 . 3 5 0 . 5 [ 1 一 O . 3 5 0 . 2 5 1 0 . 3 5 ] 十o . 2 O [ 1 一 0 . 3 5 0 . 2 5 0 . 5 1 0 . 3 5 ] 一 O . 钾 显然, 组台可信庭比单一可信度 发生 了增长, 这是四个条件同时支持结论作甩的结果。 五 、 神 经 网络 子 系统 5. 1人 工 神 经网 络 人工神经 网络 AnAr Ufi c i a lNe u r a lNe t wo r k , 简记 ANN 由于其 具有 自组 织、 自学 习 和对 输入数据 或规则 的鲁棒容错能 力. 在模式识 别、 趋势分 析和模 拟人 的思 维过程 等方 面 已 得到广泛应 用; 在 识别那 些对 于专家 学者 们不 易觉察 的变量 间的相互关 系上, 也拥有较强 的 能 力。 NNES MMS系统 正是 充分 运用神经 网络这种 特有 的能 力。通过样本学 习,不断 i j I l 所 构造的 神经 网络, 达 到对“ 未知 ” 样本 的输出 值的预测 目的。 考虑 影响采 矿方 法技术经济 指标 的因素 输入 特征 集 .其 中包括 采矿方 法类型 ,落矿方式 ,出矿方式 。 矿体埋藏深度 轧, 平均 品位 倾角 ‰,厚度 研,矿体 ,值 囤岩 ,值 等 9个输入特 征变量 。 即 一 虹, 2 ,⋯, 嘶 同样,考虑需 预测的技术经 济指标.也就是 神经 网络 的输出特 征变量 集 r。其 中包括 采场生产能 力 , 矿石 贫化 率 矿石 损失率 采切千 吨比 I J采 矿工效 ,炸药消耗量 蜘, 术材 消耗量 , 安全 程度 a 等, 即 i , 蛐,⋯, 蜘 那 么, 它们之 间的关系为 r一, 二 这样,从 历史数据及 有关 资料 中选取 样本,通 过网络学 习确定 网络 权重和 闽值等参数. 来拟台 函数 关 系 达 到对某 采矿方 法技 术经 济指标 预测的 目的。 根据 前述 采矿方 法选择 的特 点。 在 NNES MMS系统 中.我们 构造三层 的多输出神经 网 络, 其 结构如 图 3所示。 。 , 图 3中, m,M 2 ,⋯, 珏 9 为 输入 节点, l , ⋯. 2 B 为 隐节点 . ∞ , . ⋯ , B 为 输出节 点, 1 , 2 ,⋯, 。为输入 特征变量 值,虮,蜘,⋯ , 蜘 为输出特 征 变量 值 舸络 中每一 神经 元 的输 入输 出关 系有X 嚣啦 辕出节直 直 节 赢 ■人节盏 ■ 这里, ,为神经元特性函数 为 层第 . , 连接的权值。 令 矸 , 一 ∞ 箸 ’ 为 层的权值 矩 阵。 5 . 2 B. P学习算法 B a c k l o p a g a t i o n L e a r n i n g A l g o r i t h m 建立神经 网络结构的 目的就是确定输入节点与输出节点之间的数量关系.亦即根据输 ’ 构 特 经 神 ∑ 维普资讯 A 置 与输出 】 , 的样本数据,在神经网络中通过实例学 习, 不断修正节点之闻的联系权重 。这种 网络的实 例学 习, 采用 了 B. P学 习 算法。其 主要 思想是 首先, 赋予网络初始权重 ∞ l , 。 对于每一实例的学习分两步,即前向传递和后向传 递。 前向 传递 包括 输入, 并计 算出 与之相对应 的输出值 ; 后向传 递包括 比较 网络 输 出与给定 输 出的误差。然后,通过 改变 “ , 来减 少误差。 这个 校正 的 过程 分为 两步先 将误差 分 配到隐节点,再将误差传递到输入节点。通过 “ , 的反复修正,使得网络输出与 目标输 出的误差最小, 从而达到满意的权重 ∞ , , 使得网络训练成 。 六、多 目标模糊层次评 价子系统 当 NNES MMS系统 的专家 咨询子系统 中,给出多 于一个方 案 时,系统能 自动转 入本子 系统中米。根据神经网络子系统提供的技术经济指标, 对这些方案进行评价, 以便于决策者 作出决策。 设有 个采矿方案 卿 j 1 , 2 ,⋯, n ,每个方案有 m 个因素 1 , 2 ,⋯, m 在 本系统中, m一8 。那么, 方案集 一{ 吼, a 。 , ⋯, a 因素集 】 , 一{ , ,⋯, 蚰。 m一8 。 对于某一 给定的方案 “可 以表示 成一个 向量 卿一 】 J , 。 I ⋯, 椰 ∈鼽 t 1 , 2 ,⋯, ; j l , 2 , ⋯ 在指 标 上 建立 一个 单 目标模 糊决策 画数 [ 0 ,1 ] 一1 , 2 ,⋯ ,m 对于给定的评价方案集 一{ n , 8 。 ,⋯,B ,函数值 哪 垒五 ∈[ 0 , 1 ] 表示就 因素 丽言, 对象 嘶属于优越的程度。我们记 垒五 嘶 从而得到一个模糊关系矩阵 f n ⋯ n ] 曼一 称为综台评价矩阵。曼的第 行向量 1 只 ‘ 一 m n2 ’⋯,n 中每一个分量 反映 了从因素 着 眼, 每 个对 象属于优越 的程度 ,故 可利用 竹 j 的大 小对 个 对象进行排序。因 此I 它是一个单 目标决策。 由于 F 中各 个因素 的地 位是 平 等的,我们 用 】 ,上的模 糊集 , ,⋯, m 来 表 示各因素的权重分配, 这里 。 ∈[ 0 , 1 ] , 暑 一1 。其求解可采用层扶分析法 来得到 0 , ⋯, 。至此, 我们可得到采矿方法选择的多 目标模糊层次评价模型为 量一0 曼 ,5 6 1 ●●, . J ‰ . n r . ,, ,● L 0 郾 维普资讯 其中 5 t p Ar A V ⋯V0 Ar 式中 A, 的算法采用标子 A, V 。后化简, 其原理参见文献 [ 8 ] , 于 是,依据 各个方 案 m 综 合所有参 与决策 的因 素的影 响后, 所 得反映 其方 案优劣程 度 的值 机∈[ 0 , 1 ] , 1 , 2 ⋯, 之大小来选择所采用的采矿方法方案. 从而 实现多个可行 采矿方 法方案 的 优选 。 七、应 用实例 及主要结论 通过对 I / NES MMS系统 的初步 开发及其 对某锡 山的实 例运行表 明 1 将专家 系统 技术和 神经 网络结 合起来, 开发 和研制实用 的 专家系统是 切实 可行的, 也是 目前专 家系统发展 的一个 趋势。 。 2 人工智能中的专家系统技术和神经网络方法在矿业中将有广泛的应用前景 系统集知识与 模型予一事 竹 想和方法,对开发其他领域的 诊断型专家系统 也有 ~ 定参考价值。 参考文献 [ 1 ] 魏一鸣, “ 矿山井巷工程专家系统理论与实眭 昆明工学院学报 , 1 9 9 2 3 . [ 2 ] 魏一呜等, ‘ 探 矿方法选择的练合评价决策” , 昆明工学院学报 , 1 9 9 3 2 . 【 3 ] 毛权 等, “ 基于神 经网络的多属性决策方法 系统工程 1 9 9 3 I . [ 4] DARPA.Ne u a l Ne t wo r k S t l l d y.AF EA}I n t e z n 毗i o n l Pr e .1 9 8 8 . 【 5]Ka Ya n T a m a n d M e l c l y蓝 i a n g . Pz e d i c t i n g] 3 a n k Fa i l ur e s A Ne ur a l Ne t wo Ap p r o a c h ,Ap p l e t Ar t i fie i a l Int e l l i g e nc e 4 ,pp ’2 6 5 - - 2 8 2.19 9 0. 【 6 ] 魏一鸣、 陈孝华 , “ 基于层次分析法的采矿方 法数值决策中的权重确定” , 化工矿 山接术 , 1 9 9 4 2 . . n 1 Su Ku l l a r Ba n c l o p a da .A Ru l e - Ba s e d Ex ps r t B y e m f o r M i n i a g M e t h o 2 S e l e c i o m No 1 9 8 8 C I M . Ba l l 【 8 ] 汪 培庄, “ 模糊数学简卉” , 数学的实践与认识 , 1 9 8 0 罟 , 3 . [ 日] 赵瑞请编著 , 专家系统原理 , 北京气象出版社, 1 9 8 7 . . . [ 1 0 】 李卫华 等译 , 编译型 T u r b o l l o g语言, 武汉大学出版社, 1 g 9 . Ⅱ1 ] 李英龙 、 童光煦, ‘ 新的采矿方法选择系统” , 黄台 , 1 9 9 3 4 1 . ’ ’ [ 1 司 焦成李著, 神经网络系统理论, 西 安电子科技大学出版社, 1 9 9 o . n3 ] J a c k s o n , MYC I N} e d i e a l Di a g n o 3 i U s i n g P r o d u c i n g R u l e s I n I m t r o d u e } o n t o E I p e r t 8 y 鼬e 0 l I G a p* e r b.Addi s on- W e s l e y,1 9 86 . ’ [ 1 4 ] Gr o S S b e t .日 . No n l i n e a r Ne u 砘 l Ne t wo r kPr j 肿 i p i e s ,Me e h n i s ms a n i AT c h c t 。 。 c u 砌 .Ne u r a i N0 } 啪 r k s , 1 9 8 8 1 p p . 1 7 6 1 . £ l 5 ] Bu c h a n a n B. G . , Du d a , R. O, “ 基于规则的专家系统原理” , 计算机聃华 , 1 9 8 6 3 . “5 7 维普资讯