基于改进遗传神经网络的抚顺西露天矿边坡位移预测

马熹焱，关顺，刘亮

（1.煤科集团沈阳研究院有限公司，辽宁抚顺113122；2.辽宁工程技术大学研究生学院，辽宁阜新123000；3.华能呼伦贝尔能源开发有限公司，内蒙古呼伦贝尔021008）

基于改进遗传神经网络的抚顺西露天矿边坡位移预测

马熹焱1，关顺2，刘亮3

（1.煤科集团沈阳研究院有限公司，辽宁抚顺113122；2.辽宁工程技术大学研究生学院，辽宁阜新123000；3.华能呼伦贝尔能源开发有限公司，内蒙古呼伦贝尔021008）

通过改进遗传算法对边坡位移预测精度进行预测。使用抚顺西露天南帮边坡的雷达位移监测数据对BP神经网络、未改进的遗传神经网络、改进后的遗传神经网络进行训练，得出预测数据，并作对比分析。结果表明：与真实测得的位移数据相比，改进后的遗传神经网络的位移预测误差最小，预测结果精度最大。

改进遗传算法；神经网络；西露天矿；位移；预测

0 引言

我国是一个地质灾害频发的国家，露天矿边坡失稳破坏势会给生产和人民的生命财产安全带来巨大的破坏[1]。抚顺西露天矿南帮边坡表面岩体风化严重、岩体破碎，处于硬岩风化带范围内。目前矿体南帮出现一些岩体错位现象，对边坡进行监测，掌握边坡的变形规律，对于预防边坡失稳诱发的地质灾害，确保矿产资源的安全开采，具有重要的理论和现实意义[2]。

（人工）神经网络（NN，Neural Network）是通过数学方法对人脑若干基本特征的抽象和模拟，它用物理可实现的系统来模仿人脑神经细胞的结构和功能[3]是由一组功能简单的信息处理单元（即神经元）在一定联接方式下构成的动力学系统。神经网络模型迄今为止已经有大约数百种，大多都是反映人脑的某方面特性。

传统BP神经网络以梯度算法为基础进行学习，对初始权值有很强的敏感性，学习过程容易陷入局部收敛或不收敛。用遗传算法对BP神经网络进行优化是一种比较常用的方法，可以在一定程度上提高预测精度。本文对遗传算法进行改进，使其进一步优化BP神经网络。

1 BP神经网络

BP神经网络(Back Propagation)又称误差反向传播多层前馈神经网络。近年来，随着人工智能和神经网络技术的发展，BP神经网络已越来越频繁的被用于边坡的稳定性分析，将神经网络的最精华的部分体现了出来[4]。BP神经网络一般由输入层、隐含层和输出层3个神经元层次组成。从输入层节点开始输入信号，传过各隐含层节点，传到输出层节点，每一层节点的输出只影响下一层节点。

2 改进的遗传算法

遗传算法（Genetic Algorithm）简称（GA）是一种优化算法。遗传算法是一种算法，该算法的特征是全局优化随机搜索。通过模拟遗传过程中遗传算子出现的复制、交叉和变异等现象，在个体基因表示的基础上，对种群个体进行逐代择优，最终获得最优个体[5]。该算法以对生物细胞中染色体的复制、交叉、基因突变的模拟为基础，根据个体对环境不同的适应能力来选择最优个体。为了进一步提高遗传算法的优化能力，将交叉和变异这两个算子进行了改进。

2.1 改进交叉算子

交叉算子的作用在于将原有的优良基因遗传给下一代，是遗传算法的核心。为了在个体的交叉过程中可以有效地保留优秀的基因，本文将适应度作为系数代入到交叉算子中[6]。适应度函数以及改进的交叉算子如式（1）、（2）所示。

式中：S为某个个体的适应度；Qi为第i节点期望输出；Εi为第i节点预测输出。

式中：S1，S2为随机个体的适应度；Smax为最大个体适应度；x1，x2为随机个体；x1，new，x2，new为经选择操作新产生的两个个体。

交叉是指通过替换重组的方式，使两个父代个体的部分结构生成新个体的操作。交叉算子在遗传算法中起着核心作用，使遗传算法的搜索能力得到有效提高。为了将有益基因组合在一起，交叉算子根据交叉率将种群中的两个个体随机地交换某些基因，由此才能产生新的基因组合。两点交叉比单点交叉空间搜索能力更强，破坏能力较比均匀交叉和多点交叉低，因此采用两点交叉．如果改变交叉概率的数值，当两个个体的平均适应度较低时，交叉概率增大。当两个个体的平均适应度较高时，交叉概率减小。改进后，J为交叉概率，如式（3）所示。

式中：S1，S2为随机选择的两个个体的适应度；Smax为最大个体适应度；

2.2 改进变异算子

遗传算法变异算子使遗传算法具有局部的随机搜索能力，同时使遗传算法可维持群体多样性，以防止出现未成熟收敛现象。首先，遗传算法通过交叉算子已接近最优解邻域，再利用变异算子的这种局部随机搜索能力可以加速向最优解收敛。

变异操作是将某个随机选择的个体进行基因变异，给群体引进新参数值，产生更为优秀个体，因此变异成为改进遗传算法的主要成分[7]。遗传算法中，交叉算子凭借其全局搜索能力成为主要算子，变异算子由于其对局部搜索能力的提高而作为辅助算子。遗传算法通过交叉和变异操作，使其具备兼顾全局和局部的均衡搜索能力。适应度较小的个体，应该增加其变异概率，适应度较大的个体，可以减小变异概率[8]。

式中：B为变异概率；S为随机选择个体的适应度。

3 工程实例

以改进遗传神经网络对西露天南帮边坡位移进行预测为例，其岩体节理发育、破碎及风化较严重。本文中的边坡位移数据均由雷达系统监测得出。从2016月1月1日至2016年3月20日的位移数据见表1。

西露天南帮边坡共有80个位移数据，神经网络的训练时，取前75个作为样本数据，进行训练。最后5个位移数据用来进行预测，同时将改进遗传神经网络、未改进的遗传神经网络及BP神经网络进行边坡位移预测来对照，预测值见表2。

由表2列示明显看出，改进遗传神经网络的预测值明显更接近于为改进的遗传神经网络预测值和BP神经网络预测值。其他两种方法相比更接近真实值，改进遗传神经网络对边坡位移的预测值的精度是最大的。

4 结论

本文利用改进遗传算法，采用了一种新的方法对BP神经网络进行优化。将交叉算子和变异算子进行改进，进一步提高了遗传算法的优化能力，具有收敛速度快、运算效率高、准确性好的明显优势。通过改进遗传神经网络对西露天矿南帮边坡位移的预测结果可以看出：改进遗传神经网络的预测精度明显高于未经优化的BP神经网络和未经优化遗传神经网络预测，预测值更加接近实际测量值。

表1 西露天矿南帮边坡位移监测数据

表2 边坡位移预测值mm

［1］李海蒙，李军财.国内外矿山边坡监测技术应用的最新进展［J］.中国矿业，2006，15（4）：46-47.

［2］高彩云，崔希民.露天矿高陡边坡变形预报的最优LMBP算法研究［J］.煤炭技术，2015（9）：189-191.

［3］Graupe D.Principles of artificial neural networks［M］. Singapore：WorldScientific，2007.

［4］何方维，朱明，刘文生，等.BP网络在露天矿边坡角优化中的应用［J］.金属矿山，2011（1）：35-37.

［5］李松，罗勇，张铭锐.遗传算法优化BP神经网络的混沌时间序列预测［J］.计算机工程与应用，2011，47（29）：52-55.

［6］王磊.基于遗传算法的前馈神经网络结构优化［D］.大庆：东北石油大学，2013.

［7］丁新启，张华，李远.采空区影响下的高边坡稳定性综合分析［J］.有色金属，2009（5）：39-43.

［8］李飞.遗传算法的改进及其在神经网络控制中的应用研究［D］.大庆：东北石油大学，2011.

［9］李凡月.露天矿边坡变形监测与预测预报系统研究［D］.阜新：辽宁工程技术大学，2012.

【责任编辑：陈毓】

Forecasting of slope displacement based on improved genetic neural network in Fushun West Open-pit Mine

MA Xiyan1,GUAN Shun2,LIU Liang3
(1.China Coal Technology and Engineering Group Shenyang Research Institute,Fushun 113122,China; 2.Graduate School,Liaoning Technical University,Fuxin 123000,China; 3.Huaneng Hulunbei'er Energy Development Co.,Ltd.,Hulunbei'er 021008,China)

The article forecasts the slope displacement prediction accuracy by the improved genetic algorithm,and trains BP neural network,the unimproved genetic neural network,the improved genetic neural network using the radar displacement monitoring data of south slope in Fushun West Open－pit Mine,and obtains the prediction data and makes the comparative analysis.The results show that compared with the real measured displacement data,the displacement prediction of improved genetic neural network has minimum error,and prediction result has the largest accuracy.

improved genetic algorithm;artificial neural network;displacement;forecasting

TD824.7

B

1671－9816（2017）02－0024－03

马熹焱，关顺，刘亮.基于改进遗传神经网络的抚顺西露天矿边坡位移预测［J］.露天采矿技术，2017，32（2）：24－26.

2016－07－28

马熹焱（1984—），女，辽宁沈阳人，硕士，毕业于辽宁工程技术大学环境工程专业，现从事露天开采安全研究工作。

DOI∶10.13235/j.cnki.ltcm.2017.02.007