基于未确知测度理论评判模型的岩爆倾向性预测

随着钨矿山的深部开采,各类地压问题也不断出现,特别是作为高地应力条件下的岩石能量释放方式之一的岩爆现象更为多见,岩爆倾向性预测评价是矿山安全的重要内容。采用未确知测度理论与熵值法相结合的方法进行岩爆倾向性预测。根据岩爆倾向性的影响因素和分级标准,运用未确知测度理论建立了地下矿山岩爆倾向性预测评价指标的未确知测度函数,用熵值法确定评价指标的权重,依据置信度识别模型对地下矿山岩爆倾向性预测进行评价,并结合实例进行了对比分析。研究结果表明,该方法为地下矿山岩爆倾向性预测评价提供了一种新方法。     

基于PSO-RBF神经网络模型的岩爆倾向性预测

鉴于岩爆机理的复杂性以及岩爆发生前后信号提取困难的现状,对高应力区进行岩爆倾向性预测研究具有现实意义。为提高岩爆预测的准确性,基于岩爆预测多维非线性的特点,选取4个影响岩爆发生的核心指标作为判决依据,结合粒子群优化算法(PSO)与径向基神经网络(RBF)建立了PSO-RBF神经网络岩爆预测模型。采用试错法确定隐含层节点数后,进一步利用国内外典型工程数据对模型参数隐含层基函数中心ci,隐含层节点宽度σi以及隐含层与输出层间权重因子w进行学习优化以获取最优参数,并将所建立的模型应用于实际工程的岩爆倾向性预测。结果表明:利用该模型预测的岩爆等级与实际岩爆情况基本相符,相对误差率为10%,精度较以往预测方法有显著提高。     

地下工程岩爆的倾向性预测

基于地下工程中岩爆的基本特征与影响因素,论述岩爆倾向性预测的基本思路、方法、主要流派与判据,引出基于储能岩石冲击性与岩体性态的倾向性预测指标体系;辅以广西大厂高峰矿100号矿体地下工程岩爆的倾向性预测实例,并就此提出相应的岩爆控制对策。     

基于AHP和熵权TOPSIS模型的岩爆预测方法

为了准确预测地下金属矿的岩爆情况,建立了AHP和熵权TOPSIS模型。运用AHP和熵权法的基本原理,从岩性条件、应力条件和围岩条件3个方面选取预测指标,最终确定的指标为岩石的单轴抗压强度〖σ〗_c、压拉比〖σ〗_c/σ_t、弹性变形指数〖W〗_et、切应力与单轴抗压强度的比值〖σ〗_θ/σ_c和完整性系数〖K〗_v,分别为各预测指标分配合理的权重。然后,运用TOPSIS的基本原理,结合AHP和熵权法得到的权重来计算各岩爆等级临界值和实际矿山数据的贴近度,通过对比这2个贴近度来预测岩爆是否发生。实例研究表明：所建模型得到的预测结果与工程实际情况相一致,因此认为AHP和熵权TOPSIS模型可用于准确预测地下矿山的岩爆问题。     

地下工程中基于人工神经网络的岩爆预测

通过收集国内外多个地下工程和矿山实际岩爆资料,分析了影响岩爆发生的主要因素,运用人工神经网络方法,建立了岩爆预测的人工神经网络模型,并根据某地下工程的实测参数,验证了预测模型的可靠性.结果表明,所建立的模型具有较高的预测精度.     

岩爆预测方法的分析

系统地介绍了目前国内外有关岩爆预测方法并进行了分类, 重点评述了这些方法在实际应用中的情况, 并提出了一些看法。这对以后如何建立更有效、更实用的岩爆预测方法有一定的参考意义。      

基于KPCA-GWO-SVM模型的岩爆预测及应用

岩爆是采矿、水利等工程的主要灾害之一,准确预测十分关键。选取应力系数σ_θ/σ_c、脆性系数σ_c/σ_t和弹性能量指数W_et作为分级预测指标,提出基于灰狼优化算法优化的支持向量机模型,采用核主成分分析对数据进行处理,建立岩爆预测的KPCA-GWO-SVM模型,预测结果表现出良好的分类性能。将建好的模型用于冬瓜山铜矿,并与BP神经网络模型进行对比,结果表明,KPCA-GWO-SVM模型是一种岩爆烈度高精度分类的有效工具。     

基于组合赋权的T-FME岩爆倾向性预测模型研究及应用

为了提高岩爆倾向性预测模型的精度,确保岩爆多指标综合评价方法中指标赋权方式和关联度函数的选用更加全面合理,建立了基于组合赋权的T-FME岩爆倾向性预测模型。该模型在选取岩石脆性系数、切向应力指数和弹性应变能指数作为评价指标的基础上,由序关系分析法和Vague熵确定指标主、客观权重,引入最小鉴别信息原理对指标组合赋权,最后采用理想点法计算贴近度复合模糊物元得到岩爆倾向性等级。运用国内外15组工程岩爆实例对该模型进行测试,与其他模型预测结果进行对比,并将该模型应用于国内若干实际工程。结果表明:该模型预测精度更高,预测等级更加安全,对国内几项实际工程岩爆倾向性的预测等级与实际情况相符,说明该模型具有较强的适用性。     

基于距离判别分析的矿山岩爆倾向性评价

为了科学有效地应用距离判别分析法评价某矿山深部岩爆倾向性等级,通过搜集整理大量国内外岩爆数据,并结合矿山深部现场情况,确定6个岩爆倾向性指标。选取9个待测点,进行力学试验获得待测点的岩爆指标,引用马氏距离建立评判准则,确定待测数据的岩爆倾向性,并通过回代误判率和交叉误判率检验判别准则的准确度。结果表明：该金属矿待测点X2、X3、X4、X5、X7、X8和X9的岩爆倾向性均为轻微岩爆,待测点X6的岩爆倾向性为中等岩爆,待测点X1的岩爆倾向性为强岩爆。矿山实际情况表明,待测点X1有强岩爆现象发生,评价结果与矿山实际情况相符。该方法在矿山岩爆倾向性评价中具有较好的适用性和有效性。     

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。     

一种基于粗糙集属性度量的集成分类器

为了准确度量属性的重要性,从基于粗糙集的属性度量视角,提出一种基于混合度量机制的属性评价方法,该方法从不同的信息粒度分析属性的重要性.在混合度量机制中,根据数据分布特点引入参数权重因子.在此基础上,构造一种基于粗糙集属性度量机制的集成分类器.通过实验结果和比较分析表明,所提出的方法能有效地降低数据的属性维度,相比较于单一属性度量准则,分类器具有更好的分类性能.     

基于RS-GP模型的边坡安全系数预测

鉴于边坡系统影响因素之间的高度非线性和不确定性,融合RS-GP模型的优势,提出了依据边坡稳定性影响因素类比计算边坡安全系数的方法.该方法通过学习样本的数据特征分析、计算属性的重要性及约简规则,降低了遗传规划预测模型的结构规模.人工神经网络(ANN)模型与RS-GP模型计算结果比较表明:该方法具有计算速度快、容错能力强及精度高等特点.     

基于改进模糊ART神经网络的连铸漏钢预报模型

在模糊ART神经网络的基础上,有机结合模糊模式识别和模糊聚类算法,并通过引入新的学习机制和优化网络结构,建立了改进的新型模糊ART神经网络模型;同时,结合某钢厂连铸现场采集的历史数据,将该模型应用于连铸漏钢预报过程中。其结果表明,该模型对粘结漏钢过程中2种典型温度模式的预报率分别达到95.6%和97.8%,报出率都达到100%,且在避免漏报的同时保证了较低的误报率,能准确识别典型的温度模式和预测拉漏事故的发生。     

基于改进模糊ART神经网络的连铸漏钢预报模型

在模糊ART神经网络的基础上,有机结合模糊模式识别和模糊聚类算法,并通过引入新的学习机制和优化网络结构,建立了改进的新型模糊ART神经网络模型;同时,结合某钢厂连铸现场采集的历史数据,将该模型应用于连铸漏钢预报过程中。其结果表明,该模型对粘结漏钢过程中2种典型温度模式的预报率分别达到956%和978%,报出率都达到100%,且在避免漏报的同时保证了较低的误报率,能准确识别典型的温度模式和预测拉漏事故的发生。     

基于变权重理论和TOPSIS的缓倾斜薄矿脉采矿方法优选

针对高品质缓倾斜薄矿脉的采矿方法优选难题,提出采用变权重分析法与TOPSIS相结合的综合评判标准体系,对多种采矿方法进行综合评判优选。首先,建立综合评价指标体系,考虑到层次分析法等常规方法确定的常权在评价各方案时可能会出现“状态失衡”的现象,引入变权重理论,以保证各因素的均衡性;然后利用逼近理想解的排序法（TOPSIS）,得出各方案的优越度;最后,以内蒙古某矿山采矿方法优选为例,提出4种方案,分别为两步骤回采的分条密接充填法（方案Ⅰ）、铲运机出矿上向水平分层充填法（方案Ⅱ）、电耙出矿上向水平分层充填法（方案Ⅲ）和房柱法（方案Ⅳ）,对这4种方案进行优选。研究结果表明：4种方案的优越度依次为82.5%、32.8%、55.3%和53.8%,最终选择的方案为两步骤回采的分条密接充填法（方案Ⅰ）,该结果与工程实际相符合,表明该研究思路对采矿方法的优选具有参考价值,为今后工程中采矿方法优选问题提供了一种科学有效的分析方法。     

Property Prediction Using Hierarchical Regression Model Based on Calibration

 Abstract：In this paper, a multiphase orthogonal signal correction modeling and hierarchical statistical analysis strategy is developed for the improvement of process understanding and quality prediction. According to background, hierarchical PLS is used to build regression model of process variables and quality variables. This blocking leads to two model levels: the upper level where the relationships between blocks are modeled and the lower level showing the details of each block. Furthermore, in each lower model, O2-PLS is used to remove the structured noise in both X and Y, which is not contributed to prediction model. The corresponding loading vectors provide good interpretation of the covarying part in X and Y. Simulation of the continuous annealing line demonstrates the efficiency of the proposed algorithm for better process understanding and quality interpretation.     

基于MICE_RF的组合赋权—极限随机树岩爆预测模型

目前岩爆预测的真实训练数据量小、数据存在缺失,为了更加准确地预测岩爆等级,提出了一种基于链式随机森林多重插补（MICE_RF）算法的组合赋权—极限随机树（ET）预测模型。首先,在选取岩爆灾害主要评判指标的基础上,采用MICE_RF算法插补缺失数据;然后,由改进层次分析法（IAHP）和基于指标相关性的权重确定方法（CRITIC）确定指标主、客观权重,并引入权向量距离概念对指标组合赋权;最后,将插补和赋权后数据集采用ET算法,构建岩爆等级预测模型。利用国内外工程实例数据进行20次随机抽样试验,并与其他模型进行对比分析。结果表明：MICE_RF插补后可显著提高岩爆模型预测效果;改进AHP-CRITIC法较改进前更具优势,该模型平均预测准确率为93.10%,各比较指标结果均优于对比模型,预测结果更稳定。     

基于变权重理论和TOPSIS的尾砂浓密装置优选

为了解决矿山尾砂储存和浓缩装置选择的问题,提出采用变权重分析法和TOPSIS相结合的综合评判标准体系,对3种浓缩方案进行优选。首先,建立了综合评判指标体系,以造价、运营成本、场地条件、尾砂性质、放砂浓度、容积有效利用率、检修清洗难易程度和工作效率作为考虑因素。由于层次分析法等常规方法确定的常权在评价各候选方案时可能会导致“状态失衡”的现象,所以依据变权重理论,适当调整各因素的权重,以保证各因素的均衡性;然后利用TOPSIS法逼近理想解的排序法,得出各方案的优越度;最后,以河北某铁矿浓密装置优选为例,提出3种方案,分别为卧式砂仓、立式砂仓和深锥浓密机,计算得出各方案的优越度分别为57.5%、72.1%和88.5%,最终的选择方案为深锥浓密机,该结果与工程实际相符合,表明该综合评判指标对尾砂浓缩装置的选择具有参考价值,为以后工程中的优选问题提供了一种科学、可靠的分析方法。     

基于VAR模型的氧化钕价格分析及预测

从氧化钕供求关系、宏观经济指标、联产品间的价格联动性三个维度对影响氧化钕价格的因素进行分析,并应用Pearson相关系数、共线性诊断、逐步回归、Johansen检验、Granger因果检验等方法筛选出对预测氧化钕价格有意义的解释变量,构建了VAR(1)模型,得到了2019年1月至2020年12月的氧化钕价格预测值。结果表明,未来两年氧化钕月价格呈缓慢上升的趋势,以每月0.18%的增长率增长。