灰色系统在金堆城露天矿原矿品位预测中的应用

原矿品位是矿石加工和选矿流程的主要依据。合理地预测原矿品位是矿山的采剥进度计划编制的基础，将灰色系统应用于金堆城露天矿的原矿品位预测，取得了较好的实用价值。     

河南枪马金矿床410脉深部成矿远景预测评价

枪马金矿床为小秦岭金矿带内一重要的裂控石英脉型金矿，410脉为其主要生产矿脉，现已开拓八个中段，最低控制标高1570m。本文从该矿脉地质矿化特征角度，分析了其深部可能的成矿远景，并采用灰色GM（1，1）模型，对其Ⅰ、Ⅳ号主矿体深部1570m及1530m标高处可能的矿体厚度、矿石品位进行了定量预测，结果表明深部矿化情况较为理想，为矿山进一步探矿找矿工作提供了重要依据。     

灰色GM(1,1)模型在紫金山金矿定量预测中的应用分析

介绍了灰色GM（1,1）模型的基本原理及建模程序。应用该模型建立了紫金矿业股份有限公司的入选矿石品位、矿石综合成本、黄金综合成本、黄金产量、销售收入、利润总额和资产总额的灰色GM（1,1）模型。通过对紫金矿业股份有限公司1994年至2000年资料综合对比分析,认为该模型对上述指标具有很高的预测精度。对紫金矿业股份有限公司未来三年的上述经营指标预测结果表明,该公司“十五”规划目标是科学和现实的。     

矿石产量灰色系统GM（1,1）模型的建立及预测

应用灰色系统理论的数学原理及建模过程,建立了矿石产量的ＧＭ（１,１）模型,应用该模型对陕西省某金矿每季度矿石产量进行灰色预测,采用“残差检验法”和“滚动检验法”进行检验。结果表明,ＧＭ（１,１）模型的预测精度高,适合于具有灰色特征的地质、采矿、选矿等原始数据序列的模拟控制和预测分析。     

类砂岩型矿石浸出液质量浓度混沌时序重构与浸矿周期预测

以河砂、水泥和盐为原料制作类砂岩型矿石试件,采用水浸的方式对不同品位矿石进行浸矿试验,对浸出液质量浓度进行监测.考察了浸出液质量浓度和浸出率随浸矿时间演变规律;将浸出液质量浓度时间序列进行相空间重构,用混沌理论揭示了不同品位矿石浸出液质量浓度在相空间中相点距演化规律;利用灰色理论,建立了浸出液质量浓度相点距演化预测模型,确定合理的浸矿周期.研究发现:浸出液质量浓度表现出混沌特性,对其进行相空间重构处理后,细微变化特征得以放大,内部规律得以充分展现;不同品位矿石表现出不同的非线性动力学行为;利用基于相空间重构的残差修正灰色模型预测了浸矿周期,为溶浸采矿理论与技术提供了一种新的研究和探讨方法.      

掘进副产矿石的定量化管理

通过研究玲珑金矿区历史台帐中有关生产技术指标间的关联度，确定了掘进副产矿石定量化的边界条件，进而结合工业品位的确定方法建立了动态的不同规格探矿工程掘进副产矿石的最低可利用品位指标，目的为量化矿山当前生产组织构筑参考依据，以稳定矿山矿品位为前提。提高矿山资源的综合利用率。     

五龙等金矿矿体数学特征及其研究意义

本文通过对五龙等几个金矿所做的金矿体的数学特征研究，即利用已开采的金矿脉的品位、厚度及空间位置等参数并进行数据处理，从而获得有关矿床的成因类型、形成机理及深部预测等信息。对今后矿山地质探矿特别是深部探矿具有一定的指导意义。     

以钻代坑在生产探矿中的应用

矿山生产探矿是采矿的基础。生产探矿的目的,是把探矿和采矿结合起来,深入的了解矿体的形态、品位和储量的变化情况,以及对已知矿体进行储量升级和寻找新的矿体,扩大矿区资源。这项工作与保证矿石开采品位,降低损失贫化合理回收矿产资源和挖掘矿山生产潜力,有着十分密切的关系。因此,如何多快好省地进行生产探矿,是贯彻执行“开发矿业”,大打矿山之仗的重要一环。     

矿石堆场品位模型构建及取料品位估算方法

矿石堆场是大多数矿山不可或缺的重要组成部分,对其品位空间分布情况的精确掌控是后续工艺的基础。结合品位在线分析仪检测的实时品位数据,提出矿石堆场品位模型构建方法,将序列化的实时品位数据三维空间化;同时给出相应的取料品位估算方法,动态预测取料品位。为验证品位模型构建及取料品位估算的准确性,将取料品位估算结果与实验室化验结果进行对比,结果表明：每小时品位偏差小于3.5%,班平均品位偏差小于2%,基于矿石堆场品位模型的取料品位估算结果准确、实时性高,极大地提高了矿山品位控制的效果。     

江西大余樟东坑钨钼矿床地质特征与深边部成矿预测

江西大余樟东坑钨钼矿属外接触带石英单脉型矿床,含矿石英脉具"上钨下钼"垂向矿化分带规律,自上而下大致可分为黑钨矿带、(钼)钨矿带和(钨)钼矿带。已开采中段钨钼品位统计资料表明,目前开采中段尚处于(钼)钨矿带向(钨)钼矿带过渡位置,而且目前最低开拓中段至隐伏花岗岩体顶面预计还有160 m的成矿空间。根据已开采中段工业矿脉分布和垂向分带规律,提出了深边部探矿靶区,并预测了潜在资源储量。     

基于灰色聚类与灰色预测组合模型的矿产资源利用情况分析

为系统研究某矿山矿产资源利用情况,采用灰色聚类方法对该矿山多年的矿石贫化率、矿石回采率和选矿回收率进行灰色聚类分析,得到矿产资源利用情况较差的年份分别为1996、1999、2003、2008、2010和2014年,并以此形成灾变序列。然后,利用多种灰色预测模型对灾变序列进行预测分析和精度比较,确定差分VERHULST模型为最佳预测模型,预测结果表明2015年也是矿山资源利用情况较差的年份。该预测方法可以指导矿山在资源利用情况较差的年份采取系列应对措施,以提高矿山的资源综合利用效率。     

基于PCA-RBF网络模型的硫化矿自燃安全性研究

为了更加准确地预测硫化矿自燃安全性,综合考虑硫化矿自燃倾向性及火灾后果严重性,将硫化矿自燃安全性划分为9个等级,并选取矿山含硫量、矿山含碳量、矿石温度、矿石堆放时间、采场人员数量、氧气浓度和采场矿层厚度作为评价因素集。利用主成分分析法（Principal Component Analysis,PCA）对94个采场样本数据进行降维处理,得到包含70%以上原始信息的3个主成分。将降维后的84组数据作为基于径向基函数神经网络（Radial Basis Function Neural Network,RBF）预测模型的训练样本,10组数据作为检验样本进行硫化矿自燃安全性预测。最后分别利用十折交叉验证法和留一法对94组检验样本的自燃安全性预测结果进行检验,得到硫化矿自燃安全性预测准确率分别为92.55%和91.49%。研究结果表明：PCA-RBF网络模型对硫化矿自燃安全性的预测性能良好,且优于未经主成分分析的结果。     

熊耳山地区七里坪F60 -Ⅰ金银矿体地质特征及趋势预测成效

在全国老矿山深部找矿项目实施过程中,根据已获得矿山深部勘查成果,以及系统收集的研究区地质勘查和科学研究成果,发现七里坪F60-I金银矿脉的深部又出现了金品位再次升高的趋势。通过研究已知矿体的空间赋存状态、分布规律与成矿特征,分析中深部构造成矿、控矿特征及成矿元素变化规律,基于MapGIS DTM空间数据分析,采用权值等值线进行了矿体空间延伸趋势预测,系统分析了矿体的三维空间状态。参考已有矿体工程验证效果,调整了矿体空间预测方案与验证工程,并获得了良好的深部预测效果,实现了老矿山深部整装勘查找矿的突破,对研究区中深部找矿工程部署乃至整个小秦岭地区深部找矿具有很好的指导意义和示范效应,有效促进了小秦岭地区深部地质找矿工作的工程部署和勘探验证工程的实施。     

稀土矿边坡监测方案构建与滑坡灰色预测

原地浸矿法开采稀土矿山有很多优点, 也有一个明显的缺点:注入的溶浸液容易导致山体滑坡.利用FLAC3D和强度折减理论对边坡稳定性进行数值模拟, 确定了采场边坡失稳区域, 作为重点监测区域.通过现场观测, 现场失稳的山体部分与模拟结果相吻合; 结合现场连续7 d监测数据, 利用灰色理论建立灰色预测模型, 预测结果精度等级为好, 可以应用于工程实际, 同时也为后续的滑坡预警提供支持.      

基于改进小波-TCN的高炉铁水钒含量预测系统

铁水钒含量作为冶炼钒钛磁铁矿高炉的重要经济指标,对其进行准确预测将对高炉后续提钒增效具有重要生产意义。利用小波-TCN组合时序模型对具有非线性、波动大等特点的高炉铁水钒含量进行预测。首先利用小波变换将原时间序列数据分解成多个噪声段和单个趋势段,然后选用TCN模型对小波变换后的噪声段和趋势段分别进行预测,最后将结果重构得到最终的预测结果。对于选取小波变换层数较复杂的问题,利用赫斯特系数能够表征数据可预测性的特点,提出小波变换后的平均赫斯特系数(公式)用于降低模型建立过程中小波变换层数选取的复杂度,从而改进小波-TCN组合时序模型。结果表明,改进后的预测模型对单一变量预测高效且准确,相对非改进模型运算时间减少150％左右。对于赫斯特系数大于0.5的预测数据,利用改进小波-TCN组合时序模型对铁水钒含量进行预测,预测结果数据的R2达到0.967,均优于LSTM、LSTM with Attention和TCN单一预测模型的预测效果;对铁水硅、硫含量和铁水温度数据进行单变量预测,其R2分别为0.953、0.942和0.933。该预测模型可高效准确地对高炉铁水质量单变量进行预测,并可为高炉冶炼过程中所产生的其他波动较大数据的单变量准确、高效预测提供参考方案。基于预测模型进行预测系统功能应用开发,能使操高炉操作人员直观了解高炉出铁质量各参数状况,对高炉出铁质量数据进行提前掌握,促进高炉稳定顺行。     

Simulation and Prediction of Alkalinity in Sintering Process Based on Grey Least Squares Support Vector Machine

The prediction of the alkalinity is difficult during the sintering process. Whether or not the level of the alkalinity of sintering process is successful is directly related to the quality of sinter. There is no very good method for predicting the alkalinity by now owing to the high complexity, high nonlinearity, strong coupling, high time delay, and etc. Therefore, a new technique, the grey squares support machine, was introduced. The grey support vector machine model of the alkalinity enabled the development of new equation and algorithm to predict the alkalinity. During modelling, the fluctuation of data sequence was weakened by the grey theory and the support vector machine was capable of processing nonlinear adaptable information, and the grey support vector machine has a combination of those advantages. The results revealed that the alkalinity of sinter could be accurately predicted using this model by reference to small sample and information. The experimental results showed that the grey support vector machine model was effective and practical owing to the advantages of high precision, less samples required, and simple calculation.     

基于正态隶属度—属性区间识别模型的岩爆倾向等级预测

岩爆是地下工程开挖面临的关键问题之一,为了准确预测深埋隧洞中岩爆烈度倾向等级,提出了正态隶属度—属性区间识别模型的岩爆预测方法。针对岩爆倾向等级属于典型的多属性有序分割类问题,构建了属性区间识别模型,并将岩爆倾向等级划分为4个等级进行预测。根据岩爆发生的成因和机理,选取应力系数、脆性系数、弹性应变指数和岩石完整性系数作为预测指标,考虑各指标之间、指标与标准等级之间的交互关系,采用正态隶属度函数和Jousselme距离计算评价指标权重。结合13个深埋隧洞工程对该预测模型进行准确性测试,并以双江口水电站SPD9厂房为例进行工程实例验证,该模型预测结果与实际相吻合,证明该模型用于具体工程实践中是可行且有效的,研究结果可为类似深埋隧洞岩爆倾向等级预测提供新的思路。     

铁合金生产中的灰色GM（1,1）模型

应用灰色系统理论，建立了灰色ＧＭ（１，１）预测铁合金化学成分手数学模型，该模型可对铁合金化学成分进行定量和定性预报，定量预报的平均精度为９８．４４％（最高精度达９９．９９％），定性预报结果与实际情况相吻合，应用ＧＭ（１，１）模型配合优化配料技术指导生产效果廊，具有较好的经济效益。     

基于主成分分析—支持向量机模型的矿岩可爆性等级预测研究

矿岩可爆性等级的准确评判对爆破开挖设计以及岩土工程的安全稳定具有重要意义。通过综合考虑岩体固有属性与实际爆破效果对矿岩可爆性等级的影响，选取了岩体声波、波阻抗、爆破漏斗体积、大块率、小块率和平均合格率共6类指标，进行可爆性预测研究。为消除影响指标之间的信息重叠，针对55个矿岩样本数据集的大量信息，采用主成分分析法降维，提取得到包含98.38%原始信息的4类主成分，最后引入支持向量机模型对可爆性等级进行预测研究。研究结果表明：（1）与原始SVM模型相比，基于主成分分析法—支持向量机的预测模型不仅降低了数据的维度，同时使得矿岩可爆性等级预测准确率由78.5%提高至90.1%;（2）基于主成分分析法—支持向量机预测模型的评判结果与实际情况较为吻合，少量误判主要发生在部分特征差异性较小的矿岩样本之间。基于分层随机抽样技术的PCA-SVM预测模型，保证了训练集与测试集样本数据的随机性和差异性，对研究指标维数较多且部分指标间相关性较强的数据模型具有较强的适用性，对相似工程的研究具有一定的借鉴意义。