Với cơ sở dữ liệu đủ lớn, hệ thống được nhận dạng bằng cách huấn luyện mơ hình mạng nơ ron nhân tạo (ANN). Dữ liệu đầu vào cơ bản để huấn luyện mạng ANN sẽ là vận tốc lan truyền sóng chấn động và khoảng thời gian vi sai; dữ liệu đầu ra sẽ là mức độ chấn động. Theo đó, tác giả lựa chọn khoảng thời gian vi sai là khoảng thời gian trễ giữa các lỗ mìn hoặc nhóm lỗ mìn nổ liên tiếp theo thời gian. Ví dụ, hai sơ đồ vi sai của các vụ nổ được phân tích tại mỏ Núi Béo (Hình 2.10 và Hình 2.13) cho thấy có 2 khoảng thời gian dãn cách phổ biến giữa các đợt nổ liên tiếp là 10ms và 16ms, đây sẽ là hai giá trị của dữ liệu đầu vào nhận dạng chứ không phải giá trị 42ms và 100ms của loại kíp vi sai được sử dụng. Hoặc tương tự, nếu xét với hai sơ đồ vi sai Hình 2.16 và Hình 2.19 thì 2 khoảng thời gian trễ phổ biến giữa các đợt nổ liên tiếp là 8ms và 9ms, sẽ tương ứng là hai giá trị của dữ liệu đầu vào nhận dạng chứ không phải giá trị 17ms và 42ms của loại kíp vi sai được sử dụng.
Mạng ANN được huấn luyện sẽ chỉ ra mối quan hệ giữa vận tốc lan truyền sóng và thời gian dãn cách vi sai với mức độ chấn động. Sau mỗi một lượng nhất định dữ liệu mới được bổ sung, quá trình huấn luyện cần được thực hiện lại để đảm bảo cập nhật sự biến đổi của điều kiện môi trường đất đá khu vực nổ. Giá trị này có thể được hiệu chỉnh trong quá trình ứng dụng thực tế với từng khu vực.
Từ dữ liệu chấn động các vụ nổ mìn tại các vỉa khai thác lộ thiên, thuộc mỏ than Núi Béo được theo dõi hàng ngày, vận tốc lan truyền sóng chấn động được xác định theo phương pháp đã lựa chọn (chương 2). Do bộ dữ liệu được ghi chép từ các vụ nổ mìn thực tế, nên có rất nhiều thơng số khác nhau không đáp ứng được đầy đủ điều kiện biên đã đặt ra (mục 3.1). Vì vậy, cho dù mục đích xây dựng mơ hình là nhận dạng mối quan hệ giữa giá trị thời gian vi sai với vận tốc lan truyền sóng chấn động và mức độ chấn động, nhưng để tăng độ chính xác cho mơ hình, dữ liệu đầu vào huấn luyện được bổ sung thêm một số thơng tin. Tất cả gồm có : Khoảng cách từ điểm nổ đến điểm đo; Các khoảng thời gian dãn cách vi sai giữa các lỗ mìn hoặc nhóm lỗ mìn nổ liên tiếp; Lượng thuốc của một lần nổ; và Vận tốc lan truyền của sóng chấn động. Trong đó, giá trị vận tốc lan truyền được tính được theo kết quả đã thực hiện ở chương 2 ứng với từng vụ nổ, các giá trị còn lại được ghi chép trong thực tế tại khu vực nghiên cứu. Bộ dữ liệu được mô tả cụ thể tại phụ lục 3.
Cấu trúc chung của mơ hình huấn luyện mạng nơ ron nhân tạo được mô tả trong Hình 3.11. Giải thuật huấn luyện được lựa chọn là giải thuật lan truyền ngược (backpropagation). Trong bộ dữ liệu phân tích được, tác giả sử dụng 70% để xây dựng mơ hình nhận dạng, 30% cịn lại sẽ được sử dụng làm cơ sở đánh giá mơ hình đã lựa chọn và thiết lập được. Phần mềm được sử dụng để huấn luyện là Matlab2013.
Dữ liệu vào: - Khoảng cách đo - T vi sai 1 - T vi sai 2 - Lượng thuốc - Vận tốc lan truyền Dữ liệu ra: PPV Các lớp ẩn Lớp ra
Hình 3.11 Sơ đồ cấu trúc chung huấn luyện mạng nơ ron nhân tạo (ANN) để nhận dạng hệ thống
3.3.1. Mạng ANN có một lớp ẩn
Mạng nơ ron được xây dựng gồm 1 lớp ẩn, một lớp ra. Lớp ẩn gồm 40 tế bào. Quá trình huấn luyện với 20000 epochs. Giải thuật lựa chọn để huấn luyện là “giải thuật lan truyền ngược” (backpropagation) với phương pháp hiệu chỉnh và cập nhật trọng số theo nguyên tắc tỉ lệ từng bước (Scaled conjuntion gradient) nên hàm huấn luyện
là “trainscg”. Hàm truyền của lớp ẩn được lựa chọn là “tansig” , hàm truyền của lớp ra là “purelin”. Kết quả huấn luyện được mơ tả trong Hình 3.12.
Hình 3.12 Quá trình và kết quả huấn luyện mạng nơ ron nhân tạo ANN với một lớp ẩn
3.3.2. Mạng ANN có hai lớp ẩn 3.3.2.1. Thử nghiệm 1
Mạng nơ ron được xây dựng gồm 2 lớp ẩn, một lớp ra. Lớp ẩn thứ nhất gồm 19 tế bào, lớp ẩn thứ 2 là 40 tế bào. Quá trình huấn luyện với 20000 epochs. Giải thuật lựa chọn để huấn luyện là “giải thuật lan truyền ngược” (backpropagation) với phương pháp hiệu chỉnh trọng số. với phương pháp hiệu chỉnh và cập nhật trọng số theo nguyên tắc tỉ lệ từng bước (Scaled conjuntion gradient) nên hàm huấn luyện là “trainscg”. Hàm truyền của các lớp ẩn được lựa chọn là “tansig” , hàm truyền của lớp ra là “purelin”. Kết quả huấn luyện được mơ tả trong Hình 3.14.
Hình 3.13 Quá trình và kết quả huấn luyện mạng nơ ron nhân tạo ANN với hai lớp ẩn ở trường hợp 1
3.3.2.2. Thử nghiệm 2
Mạng nơ ron được xây dựng gồm 2 lớp ẩn, một lớp ra. Lớp ẩn thứ nhất gồm 69 tế bào, lớp ẩn thứ 2 là 60 tế bào. Quá trình huấn luyện với 200 epochs. Giải thuật lựa chọn để huấn luyện là “giải thuật lan truyền ngược” (backpropagation) với thuật toán Levenberg-Marquardt (triển khai theo chuỗi Taylor bậc 2) nên hàm huấn luyện là “trainlm”. Hàm truyền của các lớp ẩn được lựa chọn là “tansig” , hàm truyền của lớp ra là “purelin”. Kết quả huấn luyện được mơ tả trong Hình 3.14.
Hình 3.14 Quá trình và kết quả huấn luyện mạng nơ ron nhân tạo ANN với hai lớp ẩn ở trường hợp 2
3.3.2.3. Thử nghiệm 3
Mạng nơ ron được xây dựng gồm 2 lớp ẩn, một lớp ra.
Hình 3.15 Quá trình và kết quả huấn luyện mạng nơ ron nhân tạo ANN với hai lớp ẩn ở trường hợp 3
Lớp ẩn thứ nhất gồm 69 tế bào, lớp ẩn thứ 2 là 60 tế bào. Quá trình huấn luyện với 170000 epochs. Giải thuật lựa chọn để huấn luyện là “giải thuật lan truyền ngược” (backpropagation) với phương pháp hiệu chỉnh và cập nhật trọng số theo nguyên tắc tỉ lệ từng bước (Scaled conjuntion gradient) nên hàm huấn luyện là “trainscg”. Hàm truyền của các lớp ẩn được lựa chọn là “tansig” , hàm truyền của lớp ra là “purelin”. Kết quả huấn luyện được mơ tả trong Hình 3.15.
3.3.3. Mạng ANN có 3 lớp ẩn
Mạng nơ ron được xây dựng gồm 3 lớp ẩn, một lớp ra. Lớp ẩn thứ nhất gồm 15 tế bào, lớp ẩn thứ 2 là 35 tế bào, lớp ẩn thứ 3 là 45 tế bào. Quá trình huấn luyện với 20000 epochs. Giải thuật lựa chọn để huấn luyện là “giải thuật lan truyền ngược” (backpropagation) với phương pháp hiệu chỉnh và cập nhật trọng số theo nguyên tắc tỉ lệ từng bước (Scaled conjuntion gradient) nên hàm huấn luyện là “trainscg”. Hàm truyền của các lớp ẩn được lựa chọn là “tansig” , hàm truyền của lớp ra là “purelin”. Kết quả huấn luyện được mơ tả trong Hình 3.16.
Hình 3.16 Quá trình và kết quả huấn luyện mạng nơ ron nhân tạo ANN với ba lớp ẩn