露天煤矿抛掷爆破有效抛掷率预测模型

根据露天煤矿抛掷爆破中有效抛掷率的定义,基于弹道理论和露天采矿学基本原理,提出了有效抛掷的判断准则,给出了有效抛掷部分断面积计算方法,建立了有效抛掷率离散模型和抛掷速度反演模型,通过扫描爆破前后倒堆台阶,对露天煤矿抛掷爆破有效抛掷率进行了有效预测.结果表明:流场抛掷爆破速度理论得出的坡顶速度与反演速度一致,坡顶速度近似于有效抛掷区域的抛掷速度,预测有效抛掷率的误差在5%以内,验证了模型的有效性.     

基于GA-SVM的露天矿抛掷爆破抛掷率预测

分析了高台阶抛掷爆破的机理过程,并从自然地质、爆破设计和人为操作3个角度出发,结合某矿区的实际开采情况,提取其中10个参数作为影响该矿区抛掷爆破效果的主要因素,以爆破领域中广泛接受的抛掷率作为抛掷爆破效果的评价因子,采用此矿区爆破生产中的实际数据建立了基于遗传算法优化的支持向量机模型GA-SVM。基于建立的GA-SVM模型,采用平均影响值（Mean Impact Value,MIV）作为评价标准,对各因素的影响程度进行了评定。结果表明：① GA- SVM模型能够比较快速、准确地根据此矿区的爆破设计参数预测出抛掷爆破的抛掷率,平均预测精度稳定在83.75%,与其他智能算法如BP,RBF,GRNN相比,GA-SVM具有更好的鲁棒性和更佳的预测精度。由于计算流程的统一性和预测方法的普适性,GA-SVM模型对于其他抛掷爆破参数（如最远抛距、松散系数等）也具有良好的外推性;② 对于此露天矿区而言,在其自然因素（如岩性等）和爆破设计因素（如炸药类型、起爆顺序、装药结构等）已确定的情况下,台阶高度、炸药单耗与抛掷率正相关,且台阶高度比炸药单耗对抛掷率的影响更大;而最小抵抗线、坡面角和剖面宽对于抛掷率呈现负相关,其他影响因素对于此露天矿抛掷率的影响较弱。     

高台阶抛掷爆破作用机理研究及应用

为了提高露天矿抛掷爆破的有效抛掷率,根据影响有效抛掷率的因素,研究了炮孔倾角、台阶高度H与采宽B比值、炸药单耗对有效抛掷率的影响效果.结果表明:抛掷爆破采用倾斜炮孔,倾角要与台阶坡面角相近,台阶高度和采宽比通常为0.4～0.85,高能量炸药单耗为0.36～0.61 kg/m3.最后,通过黑岱沟露天煤矿抛掷爆破试验,验证了3种参数对有效抛掷率的影响情况.     

黑岱沟露天煤矿抛掷爆破效果综合评价

黑岱沟露天煤矿中部岩石剥离采用拉斗铲倒堆工艺,抛掷爆破效果的优良影响拉斗铲的工作效率。提高抛掷爆破的效果,有益于全矿的整体生产。选取抛掷率、炸药单耗、极限震速、松散系数4个指标作为抛掷效果的评价因子。采用BP神经网络数学原理,其可以避免人为主观因素,可以较为客观的反应评价效果。根据所评价的结论反馈调整爆破设计参数有利于提高生产效率。     

黑岱沟露天矿抛掷爆破效果的模糊综合评价

在露天矿抛掷爆破中,爆破效果的优劣影响到拉斗铲作业效率及露天矿生产成本。优化爆破参数,提高爆破效果具有重要的意义。以模糊数学原理为基础,通过分析选取有效抛掷率、松散系数、降震效果和炸药单耗作为评价指标,建立了黑岱沟露天煤矿抛掷爆破效果的综合评价模型,并通过对实测数据进行分析,确定了其效果等级为很好。该评价模型的建立,为露天矿抛掷爆破效果评价提供了一种有效的方法。     

基于集成评价体系的抛掷爆破效果评价

为改善抛掷爆破效果,优化抛掷爆破参数,选取炸药单耗、有效抛掷率、松散系数、最远抛掷距离、最大振速、松方体积、延米爆破量7个评价指标,建立灰色关联-层次分析法和熵权法-层次分析法的集成评价体系。对某露天矿10个爆堆剖面进行抛掷爆破效果评价,将单一评价方法和集成评价方法及集成评价方法间横向比较,结合主客观因素进行定量分析,从而得出更加精准、全面的爆破效果评价。     

岔河锡矿定向抛掷爆破参数优化

本文论述了定向抛掷爆破参数优化方法、过程及其效果,建立了抛掷率与抛掷作用指数、炸药量及其工程费、剥离费的相关关系曲线。     

抛掷爆破在哈尔乌素露天矿应用前景分析

哈尔乌素露天矿在2010年率先对采空区实施过抛掷爆破,通过对抛掷爆破与传统松动爆破,做技术比选和效益分析,探讨哈尔乌素露天矿应用抛掷爆破的前提条件、影响因素和制约因素并预测最终应用前景。     

朝阳露天煤矿抛掷爆破可行性研究

通过对抛掷爆破技术及对朝阳露天矿的开采工艺的分析,结合国内抛掷爆破—吊斗铲倒堆工艺成功应用先例,提出朝阳露天煤矿抛掷爆破—吊斗铲倒堆工艺可行性研究。通过分析确定了朝阳露天矿的抛掷爆破相关参数,包括炸药选择、台阶高度、采宽、孔网参数等。结果表明:朝阳露天煤矿具备应用抛掷爆破的条件,依据影响抛掷爆破效果的各项参数,给出了朝阳露天煤矿最佳爆破参数。     

参数优化GA-ELM模型在露天煤矿抛掷爆破的预测

为有效指导露天煤矿制定正确生产计划,提高露天煤矿抛掷爆破预测的准确率,在分析露天煤矿抛掷爆破影响因素的基础上,通过"试错法"确定模型最优隐含层节点参数,进而提出一种参数优化后遗传算法(GA)和极限学习机(ELM)相结合的抛掷爆破预测模型。选取网络的输入输出相关参数,针对现有ELM输入权值矩阵和隐含层偏差,采用遗传算法对其进行优化选择;利用某露天煤矿抛掷爆破监测数据对该模型进行实例分析,并将RBF,BP,SVM,GA-BP模型预测结果与该模型进行对比分析;并引入Weibull模型,通过预测控制参数ɑ,β模拟爆堆形态。研究结果表明:(1)通过"试错法"确定GA-ELM模型最优隐含层节点数为39,有效降低系统的仿真误差,该参数下仿真误差值为0.137 7;(2)相较于传统ELM预测模型,通过遗传算法优化后,有效抛掷率,松散系数以及抛掷距离均得出更小的均方误差MSE值(0.258 0,1.748 5×10-4,3.618 4)和更高的决定系数R2值(0.986 4,0.995 3,0.970 6),改进后的GA-ELM具有更好的拟合效果和泛化能力;(3)通过与其他智能算法如BP,RBF,SVM,GA-BP相比,改进后的GA-ELM测试结果(均方误差,决定系数,仿真误差)明显优于其他预测模型,有效提高预测精度;(4)利用训练完成的GA-ELM网络预测爆堆形态时,控制参数a,β的预测误差均未超过5%,预测爆堆曲线接近真实爆堆曲线。     

GRNN神经网络在矿区地表变形预测中的应用

针对矿区地表变形预测受多种因素影响的复杂性、非线性等特点,基于新型广义回归神经网络（GRNN）,构建了矿区地表变形预测模型。首先,介绍了GRNN的建模原理,并对影响GRNN网络预测的关键因素进行了讨论;其次,为了提高网络的泛化能力及预测精度,采用滚动建模方式对网络进行建模训练,并基于最小均方误差原理提出了交叉验证搜索算法对GRNN网络预测关键参数平滑因子SPREAD进行优选;最后,将优化后的GRNN网络应用于某矿区地表变形预测,并与LM-BP、RBF、回归分析3种模型的预测效果进行了比较,结果表明,GRNN网络泛化能力强、算法稳定,且预测精度较高,适合于矿区地表变形预测。     

基于GRNN模型的硫化矿石堆氧化自热温度预测

为得到硫化矿石堆氧化自热温度的变化规律,自主设计硫化矿石堆氧化自热模拟试验装置,以含硫量、矿石块度、升温梯度作为试验影响因素,将硫化矿石堆氧化自热温升速率作为试验判定指标,采用L9(34)正交表构造三因素三水平回归正交试验。运用MATLAB建立硫化矿石堆氧化自热温度的GRNN神经网络模型,通过K-折交叉验证优选得到GRNN神经网络的最佳光滑因子σe,并与RBF神经网络模型、灰色神经网络模型预测效果进行对比。结果表明：GRNN神经网络在小样本预测模型中网络逼近能力、收敛速度、算法稳定性等方面具有优势,对硫化矿石堆氧化自热温度的预测精度高,预测误差为3.51%。     

基于多变量混沌时间序列的冲击地压预测

考虑到冲击地压的混沌特征及其监测数据含噪且长度有限,基于多变量时间序列重构和GRNN模型来预测冲击地压监测变量。给出了多变量时间序列相空间重构理论和GRNN混沌预测原理,并提出采用遗传算法同时确定最佳重构参数和GRNN的光滑因子以保证预测精度。在Matlab2010a仿真环境下,将本文方法用于Lorenz系统以验证对含噪且长度有限的混沌序列的适用性,最后对微震能量和电磁辐射两类数据进行预测研究。结果表明：即使历史数据有限,多变量混沌序列预测方法也能提前预测出多个监测变量,从而实现冲击地压预报。     

基于MapObjects与GRNN耦合的矿井充水水源识别方法研究

为提高矿井水源识别准确率,借助MapObjects强大的空间分析功能和GRNN非线性特性,以兴隆庄煤矿为例,提出了动态构建矿井水源识别标准样品库的方法,建立了MapObjects与GRNN耦合的水源识别模型,实现了矿井水源识别。结果表明,MapObjects的空间分析功能,可以动态构建和待判水样地质环境相似的标准水源样品库,而GRNN具有很好的预测和泛化能力,可以基于构建的水源识别样品库实现矿井水源的准确识别,MapObjects与GRNN耦合技术可以提高矿井水源识别的准确率。     

基于CT-GRNN模型的采场顶板位移预测

将混沌学理论与广义神经网络相结合构建了基于CT-GRNN的采场顶板位移预测模型。首先应用Matlab混沌工具箱, 对顶板位移数据进行混沌判别, 得出顶板位移数据混沌时间序列的特点, 进而对顶板位移数据进行相空间重构, 最后采用广义回归神经网络对采场顶板位移进行预测。以新桥矿E15、E27采场顶板位移预测为例, CT-GRNN模型的预测误差分别为2.1%和2.6%, 相比传统BP神经网络预测（预测误差分别为5.7%和4.8%）, 精度得到大幅度提高, 可作为采场顶板位移预测的一种新手段。     

充填管道磨损风险的KPCA-PSO-GRNN评估模型及应用

针对影响充填管道磨损风险因素的复杂性和不确定性,为更加科学准确的预测充填管道的磨损状况,减少由管道磨损带来的矿山损失,构建了一种基于核主成分分析(KPCA)和粒子群算法(PSO)优化广义回归神经网络(GRNN)的充填管道磨损风险评估模型。建立充填管道磨损风险评估指标体系,运用KPCA,对数据进行特征提取,将其结果作为GRNN的输入,采用PSO算法优化选取GRNN的光滑因子,完成GRNN的训练和学习,将该模型应用于国内某矿山充填管道的磨损风险评估中,并与其它模型进行对比。结果表明,利用该模型可以准确的预测充填管道磨损风险等级,与实际情况相一致。工程应用实例表明,所建模型预测精度更高,适用性更好,对充填管道的磨损评估具有较好的借鉴意义。     

基于果蝇算法优化GRNN的生物氧化预处理温度预测

为了实现对氧化槽温度的精准预测,提出用改进过的果蝇优化算法来优化广义回归神经网络(GRNN)的参数。改进的方法是在标准果蝇优化算法中加入个体极值的思想,以此提高算法跳出局部极优值的能力。最后分别采用GRNN、FOA-GRNN、IFOA-GRNN方法建立了氧化槽温度预测模型。研究结果表明,IFOA-GRNN预测模型的平均绝对误差(MAE)、均方根误差(RMSE)和平均相对百分比误差(MAPE)均比其它两种预测模型的低,预测精度和泛化能力更强,采用该法可以更精确地预测氧化槽的温度变化。     

基于RS-GWO-GRNN的充填管道失效风险研究

为克服充填管道失效风险评判指标间的复杂性,传统方法预测精度低及适用性差等缺陷,提出基于粗糙集(RS)和灰狼优化(GWO)算法融合广义回归神经网络(GRNN)的充填管道失效风险评价模型。选取10项风险评价指标,通过属性约简提取影响充填管道失效的主要风险因素,运用GWO优化GRNN的参数,构建预测模型,以国内某具体矿山充填系统为例进行实证研究,结果表明:与其它预测模型相比,RS-GWO-GRNN模型的预测精度更高,泛化能力更强,为充填管道失效风险研究提供了新思路,具有较好的借鉴意义。     

基于遗传算法因素筛选的BP神经网络在软土路基沉降数据处理中的应用

软土路基沉降与其影响因素之间存在着非线性关系,因输入自变量较多,用神经网络建模容易出现过拟合现象,导致网络模型预测精度降低。针对这个问题,提出用遗传算法对输入自变量进行压缩降维处理,同时对网络模型的权值和阈值进行优化。实例仿真表明:经降维和权值及阈值优化的BP网络具有较高的精度;预测效果优于GRNN网络模型和单纯BP网络模型;用于软土路基沉降预测是可行的。