混合矿分级数学模型

为了研究混合矿分级通用数学模型,用磁铁矿和石英的混合矿在螺旋分级机中进行了一系列分级试验。所研究的影响螺旋分级机性能的操作变量和设计变量包括:给矿流量、矿浆浓度、给料粒度组成、溢流堰高度、分级机安装倾角及转速。模型包括四个基本参数与操作变量和设计变量之间的关系式以及单一矿物分级行为和混合矿分级行为之间的关系式。模型不仅能清晰地揭示影响分级机性能的主要变量及其相对重要性,而且能精确地预测混合矿和各单一矿物的分级行为。     

球磨机螺旋分级机磨矿回路的计算机仿真

本文对球磨机-螺旋分级机磨矿回路的计算机仿真进行了初步研究和探讨。以现有的溢流型球磨机的Herbst磨矿模型和我们研制的螺旋分级机数学模型为基础,建立了仿真模型,实现了该回路的计算机仿真,仿真结果基本上是令人满意的。     

螺旋分级机数学模型的研究现状与发展趋势

一、模型的研究现状螺旋分级机数学模型的系统研究是从本世纪80年代初期开始的。1.在此之前,Taggart指出了螺旋分级机的处理能力与螺旋外径之间的关系。Jacobsen等人考查了分级槽面积、坡度、给矿速度和给矿粒度组成等变量对分级特性的影响。SteWart,Rest-     

螺旋分级机的数学模型

作者通过实验证明了φ150mm 螺旋分级机作业存在着一条单一的折算分配率曲线(对于石英而言),文中建立了该曲线的方程。以该曲线为基础,利用逐步回归分析及逐步回归分析的BASIC程序,建立了螺旋分级机的数学模型。以该模型及Herbst 磨矿模型为基础,编写了磨矿回路计算机仿真的BASIC 程序,实现了稳态磨矿回路的计算机仿真。     

工业型螺旋分级机数学模型的研究

本文在工业生产的基础上,获得了充分而必要的试验数据。研究了实际矿石及其各组分矿物在螺旋分级机中的分级行为,揭示出混杂作用对各个不同粒级的影响规律。采用反映给矿粒度分布的特征参数作为模型变量,全面考察了给矿粒度组成对分级特性的影响。从而建立了工业型螺旋分级机的数学模型。     

基于机器学习的露天矿排土场边坡稳定性预测

针对露天矿排土场剖面初期设计中的边坡稳定性评估问题,提出了 2 种用于预测排土 场边坡安全系 数的机器学习模型。首先,采用有限元方法对 209 个排土场边坡模型进行了模拟,获得了模 型训练和验证所需的 数据集。其次,选取煤墙高度、排土场坡高和排土场坡角 3 个几何参数为输入,安全系数为 输出构建了人工神经网 络模型和多元回归分析模型。最后,为了比较 2 种模型的有效性,计算了方差比、决定系数 、均方根误差和残差等 各项性能指标。研究结果表明：与排土场边坡模型的数值模拟结果相比,人工神经网络模型和 多元回归分析模型 的确定系数分别为 0.999 6 和 0.976 9;在 3 个输入几何参数中,排土场坡角参数的重要 性最高;上述 4 项性能指标分 析表明,人工神经网络模型表现出比多元回归分析模型更高的预测精度,具有较高推广应用价 值。     

新型螺旋分级机的使用及研究现状

对多段圆锥螺旋分级机、复合式圆筛螺旋分级机、螺旋分级筛分机、斜窄流螺旋分级机等改进型螺旋分级机的结构进行了分析和评价。探讨了螺旋分级机独特的优点和目前的市场地位以及市场应用前景。     

螺旋分级机溢流排矿方式的改进

将螺旋分级机的溢流排矿方式由传统的前端排放改为两侧排放,形成了双侧排料螺旋分级机。用双侧排料螺旋分级机对某硫化矿矿山一段磨矿产品进行了分级半工业试验,并与传统螺旋分级机进行了对比。结果表明,在不同的给矿浓度、分级机坡度和给矿流量下,双侧排料螺旋分级机的分级质效率可达52.21%~73.06%,比传统螺旋分级机的分级质效率至少提高5.77个百分点,最多提高17.74个百分点。     

斯托克斯水力分级机的数学模型

本文介绍一种斯托克斯水力分级机的数学模型,它是作为重选通用模型之一来研究的。该模型属半经验模型。它基于沉降理论,通过参数逼近方法将共调整与工业生产过程一致。本文详细叙述了能预测实际生产过程的这种逼近方法,通过描述在选厂和设备规格最佳化方面的应用,说明了该模型的实际运用。通过详细参考在卡农(Carnon)联合公司惠尔简(wheal Jane)选厂的水力分级机运行情况对模拟结果的质量进行了讨论。     

螺旋分级机非定常流分级原理及影响因素

论述了矿粒在螺旋分级机中的运动规律,并分析了矿粒在分级过程中的一般原理和物理基础,提出了一些影响螺旋分级机分级效果的因素,对如何提高螺旋分级机的分级效率提出了一些看法。     

矿区GPS高程异常相关向量机拟合模型

为提高GPS高程异常拟合的精度及可靠性,基于相关向量机模型（Relevance vector machine,RVM）,提出了一种稀疏化概率式的GPS高程异常SVM拟合模型。以柯西核函数与交叉验证法构建相关向量机,并推导了置信区间的估计公式。以某矿区GPS高程控制网为例,构建了基于相关向量机的高程异常拟合模型,并与多项式拟合、BP神经网络和遗传最小二乘支持向量机进行精度对比,通过置信区间估计,评价拟合结果的可靠性。试验结果表明：①相关向量机的平均绝对误差 （Mean absolute error,MAE）、平均绝对百分误差（Mean absolute percentage error,MAPE）、均方根误差（Root mean square error,RMSE）等精度指标均较大幅度优于多项式、BP神经网络和遗传最小二乘支持向量机;②测试数据集的实测高程异常均在相关向量机估计的置信区间内。上述试验结果进一步表明：相关向量机是一种精度及可靠性高的矿区GPS高程异常拟合方法,对于快速测定矿区正常高有一定的参考价值。     

基于遗传算法和模糊神经网络的矿区GPS高程转换

基于模糊神经网络和遗传算法的原理,确定了矿区GPS高程转换的遗传算法-模糊神经网络模型,研究了遗传-模糊神经网络、二次曲面拟合和 BP 神经网络3种模型在CPS高程转换中的应用.结果表明:遗传-模糊神经网络模型拟合数据的精度更高、网络性能更稳定,有效的避免了局部极值的问题,可以用于GPS高程转换.     

神经网络低温铝电解电流效率预报模型

本文研究基于神经网络的低温铝电解电流效率预报模型。实验样本采自用Ｎａ３ＡｌＦ６－ＡｌＦ３－ＣａＦ３－ＭｇＦ２－ＬｉＦ－Ａｌ２Ｏ３体系中低分子比电解质所进行的电解实验，从实验样本中随机抽学习样本训练网络，建立电流效率与影响它的电解工艺参数包括熔体成分，电解温度，阴极电流密度和极距之间的关系模型，尔后用剩余的实验样本检验模型精度，结果表明；该模型精度高，具有良好的预报效果。神经网络作为一种新颖的拟合预     

基于遗传BP神经网络模型的矿区开采沉陷预计

为解决常规方法监测矿区开采沉陷的可控性、可操作性差及精度低等问题,采用BP神经网络模型拟合矿区高程值对开采沉陷进行预计是一种有效方法。但传统BP神经网络模型为反向传播算法,在训练时需多次试算方可确定神经网络系统的连接权值和阈值,具有易陷入局部最小值、收敛慢等不足。为此,采用遗传算法（Genetic algorithm,GA）对BP神经网络模型参数进行优化以提高其泛化能力,构建了遗传BP神经网络模型（GA-BP）。以某矿区首采工作面地表25个已进行了三等水准联测的高程监测点数据作为遗传BP神经网络模型（GA-BP）的训练样本（15个监测点数据）和测试样本（其余10个监测点数据）,分别采用BP神经网络模型、二次曲面拟合等方法与其进行试验对比,结果显示：遗传BP神经网络模型（GA-BP）具有更高的内、外符合精度及更小的残差,表明该方法有助于实现对矿区开采沉陷的高精度预计。     

利用果蝇算法反演概率积分法开采沉陷预计参数

针对概率积分法开采沉陷预计参数反演时存在算法复杂、计算量大等问题,将具有算法简单、计算量小、精度高等特点的果蝇算法引入到概率积分法开采沉陷预计参数反演中,研究了利用果蝇算法反演概率积分法开采沉陷预计参数的基本原理,构造了下沉拟合值与实测值均方差最小的适应度函数模型。结合安徽省某煤矿的实测数据,分别采用果蝇算法、遗传算法以及粒子群算法反演概率积分法开采沉陷预计参数,并以下沉拟合值与实测值的均方差为各算法反演精度的评价标准进行对比分析,结果表明：利用果蝇算法反演出的下沉拟合值与实测值的均方差（33.7 mm）以及相对中误差（1.4%）均小于同类条件下遗传算法、粒子群算法的反演结果,说明果蝇算法适用于反演概率积分法开采沉陷预计参数,对于提高概率积分法开采沉陷预计的精度有一定的参考价值。     

盾构机土压平衡系统的ARMA模型及其参数估计

为了表征盾构机土仓压力平衡系统的时滞特性和提高模型的预测精度,建立了该系统的自回归滑动平均(ARMA)模型,并提出了基于优化算法的ARMA模型参数估计方法。实验结果表明,与经典的线性机理模型相对比,新模型显著提高了土仓压力的拟合和预测精度。ARMA模型预测土仓压力的最大相对误差从机理模型的41%降低到9%。结合实验数据,分析了该系统动态响应的时滞特性,分析表明,螺旋输送机转速对下一时刻土仓压力影响的时滞特性更加明显。     

基于EGM2008重力场模型的地质高程拟合研究

为了解决GPS大地高不能直接应用于工程实践的问题，快速而准确地实现大地高向正常高的转换，采用EGM2008重力场模型对地质高程拟合进行了研究。根据重力场的计算流程以及移去恢复法原理，选取丘陵和平原研究区的数据进行拟合试验，研究分别采用了移动曲面拟合法以及二次曲面拟合法进行了拟合；结合EGM2008重力场模型进行分析对比。研究得出:加入重力场后，基于EGM2008模型的拟合精度得到很大的提高，基于重力场的移动曲面法的精度比基于重力场的二次曲面法的精度高，拟合精度满足工程测量的要求，该方法提高了工作效率，具有很高的应用价值。     

圆弧滑动边坡稳定性分析的神经网络方法

搜集了大量圆弧滑动边坡工程实例,并根据实例边坡的实际稳定状况及其几何、物理力学参数构建了训练数据集和测试数据集。应用所构建的训练数据集,对所建立的用于圆弧滑动边坡稳定性分析的神经网络进行训练,并采用训练数据集和测试数据集对其拟合能力和推广预测能力进行测试,最终获得满意结果。应用所建立的神经网络对某高速公路边坡的最危险圆弧滑动面的安全系数、稳定状态和圆心位置作了预测,结果与实际情况吻合。     

灌注单桩竖向极限承载力及沉降的神经网络预测

采用人工神经网络对天津市钻孔灌注单桩竖有限承载力及沉降进行了预测。实例分析表明,神经网络预测具有较好的精度因而其应用前景十分广阔。     

抗压长支盘桩极限承载力的Sloboda模型预测

采用数学模型的拟合方法,选用生物领域的Sloboda生长曲线模型,对支盘桩的桩顶荷载-桩顶沉降曲线（Q-S曲线）进行了优化的拟合分析,并对其承载力进行了预测。对9根桩的实测资料的拟合表明:Sloboda模型对支盘桩的桩顶荷载-桩顶沉降曲线有很高的拟合精度,相关系数为0.996 49~0.999 68,平均值为0.998 78;该模型拟合效果比双曲线模型好,特别是在曲线的尾部;基于该模型的桩顶荷载的预测值与实测值的相对误差绝对值的平均值为3.937 49%,所有桩拟合曲线尾部3点预测值与实测值的相对误差绝对值的平均值为1.295 31%。结果表明,Sloboda模型对桩顶荷载-桩顶沉降曲线的拟合精度较高,拟合方程式能对支盘桩承载力进行预测。