基于BP的露天矿边坡可视化研究

宋喜忠　刘栓

摘 要： 由于露天矿边坡具有地形复杂、高低起伏等特点，针对传统边坡可视化的研究方法存在一定的局限性问题，在此提出基于BP神经网络的露天矿边坡三维可视化研究算法。将露天矿边坡进行三维可视化，剥离等高线并进行赋值。利用BP神经网络，建立等高线预测模型，生成栅格DEM矩阵，实现可视化建模。实验结果表明，该算法模型解决了边坡复杂性问题，克服了传统可视化方法局限性，真实准确地模拟了现实中边坡的多样性，验证了该方法的有效性。

关键字： 露天矿边坡； DEM； BP神经网络； 可视化研究

中图分类号： TN919?34； TP391.9 文献标识码： A 文章编号： 1004?373X（2014）10?0053?03

Abstract： A method of researching strip?mine slope′s 3D visualization based on BP is proposed according to the problem that traditional visual research methods have limitation caused by strip?mine slope's characteristic of complex terrain. The 3D visualization of strip?mine slope is performed， its contour is assigned， and then the visual contour prediction model is built with BP neural network to generate a grid DEM matrix. The experiment results show that the problem of strip?mine slope's complexion can be solved by this model， the limitation of traditional methods can be overcome， and the strip?mine slopes diversity can be simulated truly. The validity of the method was verified by the experiment.

Keywords： strip?mine slope； DEM； BP neural network； visualization research

0 引 言

随着露天矿的不断开采生产，对露天矿边坡的稳定性及三维可视化的研究变得愈加重要。由于露天矿边坡所处的工程地质和水文条件十分复杂、多变，加之人类工程活动的影响[1]，使得边坡具有不确定性、模糊性等复杂的非线性特点。目前边坡可视化方法已出现很多，主要的有插值法、有限元分析法、模糊集理论方法等。这些预测方法各具有一定的优点，但对于地形复杂、高低起伏的边坡可视化研究，不能较好的得到光滑的边坡曲面。研究表明，应用BP算法[2]处理复杂的曲面问题具有较好的效果。基于BP神经网络算法的露天矿边坡三维可视化 [3?4]为可视化以及稳定性研究提供地质模型，为露天矿开采工程提供准确的综合信息。通过对边坡等高线进行抽取赋值，利用BP神经网络进行训练，建立基于BP网络的露天矿边坡三维模型，从而实现对露天矿边坡稳定性的准确预测。

1 BP神经网络

BP网络的学习需要一个自适应、自调整的过程。它能帮助人们通过学习这种途经获得带有正确答案的实例集，来记忆正确的实例模式从而使网络具有了智能性。图1为典型的BP网络拓扑结构。

3 BP?3DV模型建立与实验结果

3.1 BP?3DV模型建立

根据已知等高线矢量矩阵的高度值，利用BP神经网络进行训练，预测其他未知等高线的高度值，从而根据训练样本值和预测值得到完整的三维地形图，分析露天矿边坡的稳定性。

鉴于边坡高低起伏、地形复杂，综合泛化性能和收敛因素，经过实验分析，选取隐含层数100构建BP神经网络。选取（xn，yn）作为网络的第n个输入层输入，选取zn作为相应的第n输出层输出，令迭代次数NI=1 000，进行神经网络训练。具体流程如图4所示。

BP神经网络与三维可视化结合，建立可视化模型进行边坡等高线高度的预测生成。利用得到的等高线高度值，对应数字高程模型（Digital Elevation Model，DEM）矩阵[6]，即矩阵中的下标对应相应的x坐标、y坐标，高度值对应格高度。定义DEM矩阵C，令xn=i，yn=j，对边坡地形进行仿真，令zn=dij为仿真结果，进行仿真。

3.2 实验结果

采用VC6.0的编程环境，通过BP模型生成的高度值，建立DEM对应的矩阵，进行实际边坡地形的仿真。将仿真后的DEM矩阵转化为三维图像。以海州露天矿边坡为对象，转化得到基于BP神经网络的边坡三维网格图5、基于BP的边坡三维俯视图6以及基于BP的边坡三维内部结构动态生成图7。

由图5、图6可以看出，通过BP神经网络完成对等高线的训练及预测，从而建立的DEM模型实现的边坡可视化图形，不仅得到了边坡的光滑曲面，同时很好的表现了边坡的多样性特点，更加真实地模拟了地形的复杂性及高低起伏。由图7可知，该算法克服了传统插值对于凹凸点和极小极大值表现不充分的缺点，很好地模拟了边坡的现实特性，对边坡的可视化及稳定性研究提供了很好的指导。

4 结 论

通过等高线提取方法，得到BP神经网络训练样本，完成对等高线的完整预测。生成DEM矩阵，从而对露天矿边坡进行地形仿真，转化生成三维图形。

本文克服了传统方法不能很好解决复杂地形等难的问题，通过BP智能算法建立三维图，实现对露天矿边坡可视化及稳定性研究。下一步将会完善BP神经网络收敛速度慢、易陷入局部极小值等问题，更好地提高算法的性能。

参考文献

[1] 郑丰，熊雪强，林颖，等.基于灰色理论的某露天矿边坡稳定性预报[J].中国矿山工程，2012，41（2）：59?61.

[2] 陈锦标，王守云，索永峰.BP算法在三维地形生成中的应用[J].计算机辅助工程，2009，29（6）：155?157.

[3] 柴贺军，唐胜传，李海平.公路边坡三维可视化建模系统研究[J].地球与环境，2005（13）：74?78.

[4] 陈国良，张勇慧，盛谦，等.基于地理信息系统的公路边坡三维建模及可视化研究[J].岩土力学，2011，32（11）：3393?3398.

[5] 张瑞超，叶海建，王彦.满足方向一致性的等高线提取算法[J]. 计算机工程与设计，2011（11）：35?37.

[6] 熊礼阳，汤国安，宴实江.基于DEM的山地鞍部点分级提取方法研究[J].测绘科学，2012，10（23）：60?62.

摘 要： 由于露天矿边坡具有地形复杂、高低起伏等特点，针对传统边坡可视化的研究方法存在一定的局限性问题，在此提出基于BP神经网络的露天矿边坡三维可视化研究算法。将露天矿边坡进行三维可视化，剥离等高线并进行赋值。利用BP神经网络，建立等高线预测模型，生成栅格DEM矩阵，实现可视化建模。实验结果表明，该算法模型解决了边坡复杂性问题，克服了传统可视化方法局限性，真实准确地模拟了现实中边坡的多样性，验证了该方法的有效性。

关键字： 露天矿边坡； DEM； BP神经网络； 可视化研究

中图分类号： TN919?34； TP391.9 文献标识码： A 文章编号： 1004?373X（2014）10?0053?03

Abstract： A method of researching strip?mine slope′s 3D visualization based on BP is proposed according to the problem that traditional visual research methods have limitation caused by strip?mine slope's characteristic of complex terrain. The 3D visualization of strip?mine slope is performed， its contour is assigned， and then the visual contour prediction model is built with BP neural network to generate a grid DEM matrix. The experiment results show that the problem of strip?mine slope's complexion can be solved by this model， the limitation of traditional methods can be overcome， and the strip?mine slopes diversity can be simulated truly. The validity of the method was verified by the experiment.

Keywords： strip?mine slope； DEM； BP neural network； visualization research

0 引 言

随着露天矿的不断开采生产，对露天矿边坡的稳定性及三维可视化的研究变得愈加重要。由于露天矿边坡所处的工程地质和水文条件十分复杂、多变，加之人类工程活动的影响[1]，使得边坡具有不确定性、模糊性等复杂的非线性特点。目前边坡可视化方法已出现很多，主要的有插值法、有限元分析法、模糊集理论方法等。这些预测方法各具有一定的优点，但对于地形复杂、高低起伏的边坡可视化研究，不能较好的得到光滑的边坡曲面。研究表明，应用BP算法[2]处理复杂的曲面问题具有较好的效果。基于BP神经网络算法的露天矿边坡三维可视化 [3?4]为可视化以及稳定性研究提供地质模型，为露天矿开采工程提供准确的综合信息。通过对边坡等高线进行抽取赋值，利用BP神经网络进行训练，建立基于BP网络的露天矿边坡三维模型，从而实现对露天矿边坡稳定性的准确预测。

1 BP神经网络

BP网络的学习需要一个自适应、自调整的过程。它能帮助人们通过学习这种途经获得带有正确答案的实例集，来记忆正确的实例模式从而使网络具有了智能性。图1为典型的BP网络拓扑结构。

3 BP?3DV模型建立与实验结果

3.1 BP?3DV模型建立

根据已知等高线矢量矩阵的高度值，利用BP神经网络进行训练，预测其他未知等高线的高度值，从而根据训练样本值和预测值得到完整的三维地形图，分析露天矿边坡的稳定性。

鉴于边坡高低起伏、地形复杂，综合泛化性能和收敛因素，经过实验分析，选取隐含层数100构建BP神经网络。选取（xn，yn）作为网络的第n个输入层输入，选取zn作为相应的第n输出层输出，令迭代次数NI=1 000，进行神经网络训练。具体流程如图4所示。

BP神经网络与三维可视化结合，建立可视化模型进行边坡等高线高度的预测生成。利用得到的等高线高度值，对应数字高程模型（Digital Elevation Model，DEM）矩阵[6]，即矩阵中的下标对应相应的x坐标、y坐标，高度值对应格高度。定义DEM矩阵C，令xn=i，yn=j，对边坡地形进行仿真，令zn=dij为仿真结果，进行仿真。

3.2 实验结果

采用VC6.0的编程环境，通过BP模型生成的高度值，建立DEM对应的矩阵，进行实际边坡地形的仿真。将仿真后的DEM矩阵转化为三维图像。以海州露天矿边坡为对象，转化得到基于BP神经网络的边坡三维网格图5、基于BP的边坡三维俯视图6以及基于BP的边坡三维内部结构动态生成图7。

由图5、图6可以看出，通过BP神经网络完成对等高线的训练及预测，从而建立的DEM模型实现的边坡可视化图形，不仅得到了边坡的光滑曲面，同时很好的表现了边坡的多样性特点，更加真实地模拟了地形的复杂性及高低起伏。由图7可知，该算法克服了传统插值对于凹凸点和极小极大值表现不充分的缺点，很好地模拟了边坡的现实特性，对边坡的可视化及稳定性研究提供了很好的指导。

4 结 论

通过等高线提取方法，得到BP神经网络训练样本，完成对等高线的完整预测。生成DEM矩阵，从而对露天矿边坡进行地形仿真，转化生成三维图形。

本文克服了传统方法不能很好解决复杂地形等难的问题，通过BP智能算法建立三维图，实现对露天矿边坡可视化及稳定性研究。下一步将会完善BP神经网络收敛速度慢、易陷入局部极小值等问题，更好地提高算法的性能。

参考文献

[1] 郑丰，熊雪强，林颖，等.基于灰色理论的某露天矿边坡稳定性预报[J].中国矿山工程，2012，41（2）：59?61.

[2] 陈锦标，王守云，索永峰.BP算法在三维地形生成中的应用[J].计算机辅助工程，2009，29（6）：155?157.

[3] 柴贺军，唐胜传，李海平.公路边坡三维可视化建模系统研究[J].地球与环境，2005（13）：74?78.

[4] 陈国良，张勇慧，盛谦，等.基于地理信息系统的公路边坡三维建模及可视化研究[J].岩土力学，2011，32（11）：3393?3398.

[5] 张瑞超，叶海建，王彦.满足方向一致性的等高线提取算法[J]. 计算机工程与设计，2011（11）：35?37.

[6] 熊礼阳，汤国安，宴实江.基于DEM的山地鞍部点分级提取方法研究[J].测绘科学，2012，10（23）：60?62.

摘 要： 由于露天矿边坡具有地形复杂、高低起伏等特点，针对传统边坡可视化的研究方法存在一定的局限性问题，在此提出基于BP神经网络的露天矿边坡三维可视化研究算法。将露天矿边坡进行三维可视化，剥离等高线并进行赋值。利用BP神经网络，建立等高线预测模型，生成栅格DEM矩阵，实现可视化建模。实验结果表明，该算法模型解决了边坡复杂性问题，克服了传统可视化方法局限性，真实准确地模拟了现实中边坡的多样性，验证了该方法的有效性。

关键字： 露天矿边坡； DEM； BP神经网络； 可视化研究

中图分类号： TN919?34； TP391.9 文献标识码： A 文章编号： 1004?373X（2014）10?0053?03

Abstract： A method of researching strip?mine slope′s 3D visualization based on BP is proposed according to the problem that traditional visual research methods have limitation caused by strip?mine slope's characteristic of complex terrain. The 3D visualization of strip?mine slope is performed， its contour is assigned， and then the visual contour prediction model is built with BP neural network to generate a grid DEM matrix. The experiment results show that the problem of strip?mine slope's complexion can be solved by this model， the limitation of traditional methods can be overcome， and the strip?mine slopes diversity can be simulated truly. The validity of the method was verified by the experiment.

Keywords： strip?mine slope； DEM； BP neural network； visualization research

0 引 言

随着露天矿的不断开采生产，对露天矿边坡的稳定性及三维可视化的研究变得愈加重要。由于露天矿边坡所处的工程地质和水文条件十分复杂、多变，加之人类工程活动的影响[1]，使得边坡具有不确定性、模糊性等复杂的非线性特点。目前边坡可视化方法已出现很多，主要的有插值法、有限元分析法、模糊集理论方法等。这些预测方法各具有一定的优点，但对于地形复杂、高低起伏的边坡可视化研究，不能较好的得到光滑的边坡曲面。研究表明，应用BP算法[2]处理复杂的曲面问题具有较好的效果。基于BP神经网络算法的露天矿边坡三维可视化 [3?4]为可视化以及稳定性研究提供地质模型，为露天矿开采工程提供准确的综合信息。通过对边坡等高线进行抽取赋值，利用BP神经网络进行训练，建立基于BP网络的露天矿边坡三维模型，从而实现对露天矿边坡稳定性的准确预测。

1 BP神经网络

BP网络的学习需要一个自适应、自调整的过程。它能帮助人们通过学习这种途经获得带有正确答案的实例集，来记忆正确的实例模式从而使网络具有了智能性。图1为典型的BP网络拓扑结构。

3 BP?3DV模型建立与实验结果

3.1 BP?3DV模型建立

根据已知等高线矢量矩阵的高度值，利用BP神经网络进行训练，预测其他未知等高线的高度值，从而根据训练样本值和预测值得到完整的三维地形图，分析露天矿边坡的稳定性。

鉴于边坡高低起伏、地形复杂，综合泛化性能和收敛因素，经过实验分析，选取隐含层数100构建BP神经网络。选取（xn，yn）作为网络的第n个输入层输入，选取zn作为相应的第n输出层输出，令迭代次数NI=1 000，进行神经网络训练。具体流程如图4所示。

BP神经网络与三维可视化结合，建立可视化模型进行边坡等高线高度的预测生成。利用得到的等高线高度值，对应数字高程模型（Digital Elevation Model，DEM）矩阵[6]，即矩阵中的下标对应相应的x坐标、y坐标，高度值对应格高度。定义DEM矩阵C，令xn=i，yn=j，对边坡地形进行仿真，令zn=dij为仿真结果，进行仿真。

3.2 实验结果

采用VC6.0的编程环境，通过BP模型生成的高度值，建立DEM对应的矩阵，进行实际边坡地形的仿真。将仿真后的DEM矩阵转化为三维图像。以海州露天矿边坡为对象，转化得到基于BP神经网络的边坡三维网格图5、基于BP的边坡三维俯视图6以及基于BP的边坡三维内部结构动态生成图7。

由图5、图6可以看出，通过BP神经网络完成对等高线的训练及预测，从而建立的DEM模型实现的边坡可视化图形，不仅得到了边坡的光滑曲面，同时很好的表现了边坡的多样性特点，更加真实地模拟了地形的复杂性及高低起伏。由图7可知，该算法克服了传统插值对于凹凸点和极小极大值表现不充分的缺点，很好地模拟了边坡的现实特性，对边坡的可视化及稳定性研究提供了很好的指导。

4 结 论

通过等高线提取方法，得到BP神经网络训练样本，完成对等高线的完整预测。生成DEM矩阵，从而对露天矿边坡进行地形仿真，转化生成三维图形。

本文克服了传统方法不能很好解决复杂地形等难的问题，通过BP智能算法建立三维图，实现对露天矿边坡可视化及稳定性研究。下一步将会完善BP神经网络收敛速度慢、易陷入局部极小值等问题，更好地提高算法的性能。

参考文献

[1] 郑丰，熊雪强，林颖，等.基于灰色理论的某露天矿边坡稳定性预报[J].中国矿山工程，2012，41（2）：59?61.

[2] 陈锦标，王守云，索永峰.BP算法在三维地形生成中的应用[J].计算机辅助工程，2009，29（6）：155?157.

[3] 柴贺军，唐胜传，李海平.公路边坡三维可视化建模系统研究[J].地球与环境，2005（13）：74?78.

[4] 陈国良，张勇慧，盛谦，等.基于地理信息系统的公路边坡三维建模及可视化研究[J].岩土力学，2011，32（11）：3393?3398.

[5] 张瑞超，叶海建，王彦.满足方向一致性的等高线提取算法[J]. 计算机工程与设计，2011（11）：35?37.

[6] 熊礼阳，汤国安，宴实江.基于DEM的山地鞍部点分级提取方法研究[J].测绘科学，2012，10（23）：60?62.