基于ANFIS模型的充填体抗压强度预测研究

王金海，杨 鹏，2，郭良银，吕文生，王 昆

（1．北京科技大学 土木与环境工程学院，北京100083；2．北京联合大学 北京市信息服务工程重点实验室，北京100101；3．山东黄金矿业股份有限公司 新城金矿，山东 莱州261438）

充填体在改善围岩应力状态、限制围岩移动规模、控制采场地压、防止地表沉降、维护采空区稳定、提高矿石回收率等方面具有重要意义［1－3］。根据采矿工艺特点，科学地确定充填体所需强度是充填采矿技术的关键［4－6］。单轴抗压强度的特性是胶结充填体主要的强度特性［4］。目前测量充填体抗压强度的方法主要为试验实测法，试验量大、过程繁琐，有时试验周期比较长，因此找到一种合理而有效的强度预测方法显得尤为重要。

1 试验方案及方法

新城金矿尾砂经化学分析中心测定，含有的主要元素为 Al、Fe、K、Na、Si，还有少量 Ba、Mg、Ca。矿物成分SiO2含量较高的充填材料具有活性小、尾砂沉降速度较快、渗透性好等特点，因此其充填体早期强度的形成和增长都较快。

采用正交设计法设计试验方案，可以在全面分析影响因素的基础上，从全面试验中挑选出“均匀”和“整齐”的代表点进行试验，最大限度地减少试验工作量［6－8］。本次试验因素数为3，水平数为3，选择正交表L9（34）进行正交试验，如表1、2所示。

按设计配制的料浆，制作直径为80mm、高度为160mm的标准试件，在标准养护箱内（温度20℃，湿度＞90%）养护。

表1 正交试验因素水平表Table 1 Factors and levels of orthogonal experiment

2 试验结果

根据上述试验方案，利用300kN电子液压压力机进行单轴抗压强度试验，试验结果如表2所示。

表2 充填体抗压强度正交分析表Table 2 Orthogonal experiment result of filling body compressive strength

3 极差与方差分析

简单、直观的极差与方差分析是正交试验结果分析最常用的方法。通过极差与方差分析可确定各因素的主次顺序，分析结果如表3所示。

表3 单轴抗压强度极差和方差分析Table 3 Range and variance analysis of uniaxial compressive strength

由表3可以得出，极差与方差的主次顺序为灰砂比A＞养护龄期C＞质量浓度B，即灰砂比对抗压强度影响最大，养护龄期的影响次之，质量浓度的影响最小。

4 充填体抗压强度的ANFIS预测模型

4．1 ANFIS方法原理

ANFIS （Adaptive Neuro－Fuzzy Inference System，自适应神经模糊推理系统），能够自动提取海量数据中的规则，它利用本身所具有的自适应学习和处理模糊信息的功能进行相应判断，并做出决策［9－10］，而且它还具有收敛速度快、稳定性能好、网络训练可重复的特性［9］。图1是基于ANFIS模型的充填体抗压强度预测方法流程图。

4．2 抗压强度ANFIS预测

从3种灰砂比、3种质量浓度、3种养护龄期对应的实测抗压强度数据中取出27组数据对，数据对分布如表4所示。

表4 数据对分布表Table 4 Distribution table of data group

正交分析表中的数据组具有“均匀分散、齐整可比”的特点，根据这一特点，从表4中选出正交分析表2所对应的第1、6、8、12、14、16、20、24、27组作为检验数据对，其余数据对作为训练数据对。

采用最小二乘法与BP梯度下降混合学习算法训练ANFIS。采用Genfis2函数（减法聚类）自动生成初始模糊系统，图2为ANFIS数据训练误差曲线。

表5 ANFIS模型预测结果Table 5 Predictive result of ANFIS model

由图2可知，经过100次迭代以后，总误差为0．10437，趋于稳定，已收敛，此时充填体强度的ANFIS模型已建立，通过训练好的模型对9组检验数据进行预测，如图3、表5所示。经过预测和实测数据的比较，训练数据最大误差为4．2108%，最小误差为2．9375%，平均误差为3．6011%，误差很小，表明经过训练的系统具有95．8%的预测精度，能根据训练得到的输入输出规律进行智能预测。因此采用ANFIS预测充填体强度，可靠性较高，实用意义明显。

图1 ANFIS模型预测方法流程图Fig．1 Flowcharting of prediction method of ANFIS model

图2 ANFIS数据训练误差曲线Fig．2 Training error curve of ANFIS data

5 结论

1）正交试验结果表明：在所选择的因素中，各因素对抗压强度的影响相差较大，影响因素的主次顺序依次为灰砂比A＞养护龄期C＞质量浓度B。

图3 实测强度和预测强度对比（刻度线内侧标注）Fig．3 Correlation of measured and predictive strength

2）正交分析表中的数据组具有“均匀分散、齐整可比”的特点，将这些数据组作为检测数据组，更具有代表意义。

3）根据料浆灰砂比、质量浓度、养护龄期建立预测充填体抗压强度的ANFIS模型，模型预测精度高达95．8%。为预测充填体抗压强度提供了一种有效方法。

4）基于ANFIS建立的充填体强度预测模型，泛化能力强，收敛速度快，值得在充填体强度预测中推广应用。

［1］ 李一帆，张建明，邓 飞，等 ．深部采空区尾砂胶结充填体强度特性试验研究［J］．岩土力学，2005，26（6）：865－868．

［2］ Udd J E．Backfill research in Canadian mines［C］／／Innovations in mining backfill technology．Canada：Canada Centre for Mineral and Energy Technology，1989：3－14．

［3］ Dyni R C，Burnett M．Speedy backfilling for old mines［J］．Civil Engineering—ASEC，1993，63（9）：56－58．

［4］ 刘志祥，李夕兵，戴塔根，等 ．尾砂胶结充填体损伤模型及与岩体的匹配分析［J］．岩土力学，2006，27（9）：1442－1446．

［5］ 李夕兵，刘志祥．高阶段尾砂胶结充填体力学研究与博弈树配比优化［J］．安全与环境学报，2004，4（4）：87－90．

［6］ 薛改利，高 谦，杨志强 ．阶段嗣后充填采充过程稳定性分析与充填体强度匹配研究［J］．有色金属（矿山部分），2013，65（5）：11－14．

［7］ 方开泰，马长兴 ．正交与均匀试验设计［M］．北京：科学出版社，2001：35－40．

［8］ 夏之宁，谌其亭，穆小静，等 ．正交设计与均匀设计的初步比较［J］．重庆大学学报：自然科学版，1999，22（5）：112－117．

［9］ 刘玉龙，丁德馨，李广悦，等 ．ANFIS模型预测铀尾渣胶结充填体抗压强度［J］．铀矿冶，2011，30（1）：9－13．

［10］ 张志军，丁德馨，毕忠伟，等 ．位移反分析的ANN方法与ANFIS方法的比较分析［J］．采矿与安全工程学报，2008，25（2）：159－163．