逐孔起爆技术爆破参数的研究

推广逐孔起爆技术后,原来适用于排间微差的爆破参数是否为逐孔起爆系统相匹配的最优参数是一个需要深入研究解决的问题.本文从爆破原理入手,结合爆破实践经验,得出了适合采场的与逐孔起爆技术相匹配的最优孔网参数.     

基于Weibull模型的高台阶抛掷爆破爆堆 形态BP神经网络预测

为了预测高台阶抛掷爆破爆堆形态,引入Weibull模型作为数学模型对实测爆堆曲线进行模拟,在此基础上,将试验中影响爆堆形态的8个参数与模拟得到的Weibull控制参数及松散系数作为输入输出层学习样本,建立BP神经网络。结果表明：Weibull模型可以较好地模拟真实爆堆。利用训练完成的BP神经网络预测爆堆形态时,各参数的预测误差均未超过5%,预测爆堆曲线接近真实爆堆曲线,其中Weibull模型控制参数的预测精度直接影响预测结果,松散系数ξ的预测精度则在将Weibull概率密度函数反无量纲化的过程中间接影响预测效果。     

爆破参数的BP神经网络优选及验证

爆破矿石块度大小及其均匀程度是反映爆破效果好坏的关键指标,它不仅直接影响采矿作业后续工序如装载、运输等设备工作效率和磨损程度,还严重影响采矿成本.因此利用BP神经网络对开阳磷矿的凿岩爆破参数进行优选,以排距、孔底距及炸药单耗作为输出结果,以国内同类矿山作为训练样本进行练习,计算得到了最优爆破参数,并根据最优爆破参数进行了现场试验验证,结果显示大块率有了明显的降低,因此这种方法由于良好的发展前景.     

爆破飞石对逐孔起爆网路安全性影响的研究

逐孔起爆技术在我国很多矿山得到了实践应用,本文通过分析其机理,起爆方式,建立爆破飞石的运动模型,来检验爆破飞石对起爆网络安全性的影响,为逐孔起爆技术在我国露天矿山的进一步推广应用提供参考。     

浅谈逐孔起爆技术的爆破网络连接

阐述了峨口铁矿各种地形的爆区爆破网络连接技术,并分析了每种爆破网络连接的适用条件和预期效果。     

BP神经网络在爆破振动中的研究与应用

为准确地预测爆破结果、减少爆破振动对建筑的损伤和保障工人的安全,利用具有处理非线性问题能力的BP神经网络预测爆破结果。选取合格的爆破结果作为网络模型的学习样本,经过一定次数的训练学习后通过神经网络的前馈特性确定各层阈值和误差,完成对BP神经网络的建立,发现预测结果与真实结果相比的误差在10%以内。再结合PAC算法、POS算法或者MATLAB软件等优化网络后甚至可以将误差控制在5%以内。通过建立BP神经网络预测可以减少爆破作业带来的危害,降低安全成本,指导爆破作业的施工。     

逐孔爆破技术布孔方式研究

针对逐孔爆破技术的特点,从炮区爆破能量均匀分布利于改善爆破质量的角度研究露天矿逐孔爆破的布孔方式,并对露天矿逐孔微差爆破网路中炮孔交错排列的均匀性和有效密集系数进行推导,提出与逐孔微差爆破相匹配的最佳布孔方式的数学表达式。结合实例的计算,得出同一爆破参数条件下三角形布孔方式优于矩形布孔方式和孔网有效密集系数更为接近经验值的结论。     

开采沉陷预计参数的广适应性BP神经网络反演方法（增刊）

基于实测资料的概率积分法下沉预计能够准确描述开采引起的地表下沉变化,广泛应用于全国各大采区。为了获取准确可靠的开采沉陷概率积分法预计参数,本文以概率积分法沉陷预计为基础,利用BP人工神经网络反演求取预计参数。BP人工神经网络具良好的鲁棒性和非线性映射能力,在参数选取过程中能快速准确的确定预计参数与观测站点实测下沉量之间的映射关系,能准确反演得到实测下沉预计参数。根据地表实测数据,将概率积分法下沉预计与BP人工神经网络相结合,建立了适用于多种地质采矿条件的沉陷预计参数反演模型,并对阳泉某矿进行参数反演,得到结果与实测数据基本吻合,表明应用广适应性BP神经网络方法反演开采沉陷预计参数是可行的。     

逐孔起爆技术在三道庄露天矿中的应用

针对三道庄露天矿的实际情况,利用Orica公司高精度导爆管雷管,采用逐孔起爆技术,在露天采场进行了应用,它不仅可以大幅度地降低爆破震动,而且能够提高爆破破碎程度,改善爆破质量,为矿山正常生产奠定坚实基础,同时也为矿山带来可观的经济效益。     

逐孔起爆技术在霍林河南露天矿的应用

介绍了逐孔起爆技术的机理与优势,在矿山爆破中的应用情况及效果分析。     

露天铁矿逐孔爆破降震方法研究

分析了地质地形及爆破参数对露天铁矿逐孔爆破震动的影响,根据露天铁矿的地质和地形条件,对原采用爆破技术参数进行了优化,在保证爆破破碎效果的前提下,显著降低了采场边坡和附近民居所在位置的爆破震动效应。     

基于抛掷爆破预测的BP神经网络参数优化方法

研究了不同隐含节点个数、训练函数、转移函数、学习率对BP神经网络预测结果准确性和收敛速度的影响;对比分析了参数优化后的BP模型与径向基神经网络、支持向量机预测模型的结果;并应用某露天矿抛掷爆破作业的实测数据进行了相关实验。实验结果表明：最优BP模型的拓扑结构为10-6-3;最佳的训练函数为LM函数,正切和线性函数的组合为最优的转移函数,最佳的网络学习率为0.77;参数优化后BP模型的最远抛掷距离、抛掷率、松散系数的预测结果与测试样本的标准差最小,分别为9.567 8,0.036 3,0.041 4,即参数优化后的BP模型预测结果最优。     

基于BP神经网络的矿井水源判别模型

矿井水源判别对于矿井防治水工作有重要的导向作用,能够有效减少防治水工作的盲目性.为了能够有效判别矿井突水水源,综合考虑各项水化学指标在水源判别中的重要性,确定以水中6大常量组分(Na++K+,Mg2+,Ca2+,Cl-,SO2-4,HCO-3)作为判别因子,以BP神经网络理论为基础,以对某矿开采影响较大的野青、砂岩、奥灰和伏青4个含水层水样为建模样本,建立水源判别模型,并随机选取7个矿井采掘过程中收集到的水样进行水源判别预测.结果表明,该7个水样分别来自伏青、野青和砂岩含水层,均与实际结果相符,说明以BP神经网络理论建立的水源判别模型具有较强的实用性,能够快速、有效的识别矿井水源.     

煤层底板导水破坏深度的灰色BP神经网络预算模型

在综合分析影响煤层底板导水破坏深度因素的基础上,应用灰色关联理论筛选预测指标,建立底板破坏深度的灰色BP神经网络计算模型。该模型采用全国典型突水范例和实测数据作为训练样本和测试样本,对实测值、BP和灰色BP神经网络模型计算值进行对比分析。实例分析表明:应用灰色理论筛选指标考虑因素更加全面,结合神经网络预算结果更为接近实际,该模型为承压水上安全采煤提供了科学依据。     

BP神经网络在台阶爆破参数优化中的应用

在遵义县新材料工业园区平场工程土石方开挖中,为了达到良好的爆破效果,需对爆破参数进行优化研究。首先根据目前所采用的生产设备和爆破器材确定了中深孔台阶爆破所需优化的参数,利用BP神经网络以岩石性质参数、爆破现场条件以及爆破效果要求作为BP神经网络的输入层,以需优化的爆破参数作为BP神经网络的输出层,然后以25组经典数据分析了模型参数的选取并进行了神经网络训练验证了网络的有效性,最后将现场参数输入神经网络得到了满足生产要求的爆破参数,达到了良好的爆破效果。     

基于BP神经网络模型的巷道变形预测系统开发

通过应用基于BP神经网络模型系统对某矿山巷道围岩的实测变形值进行神经网络模拟,成功预测了巷道围岩的变形,有利于巷道支护设计和生产组织.     

BP神经网络改进TSVM的矿产资源评价模型研究

在矿产资源评价模型研究中,针对TSVM在未标识样本中必须指定正标识样本数这一问题,本文提出了一种新的改进算法对矿产资源进行评价,即基于BP神经网络优化的直推式支持向量机（BP-TSVM）。通过支持向量机将有标签样本进行识别分类,利用BP神经网络对已分类的边界内的无标签样本进行正负标注,然后作为下一次支持向量机训练时的有标签样本。提出的新算法避免了分类性能下降的问题,使得TSVM对正标签样本NP的估计更准确。同时,由于训练样本数量的保持使得训练时间大大减少。实验结果表明,与传统的SVM算法、TSVM算法和BP神经网络算法相比,本文提出的BP-TSVM算法能更准确地评价矿产资源。     

基于ACSOA-BP神经网络的瓦斯含量预测模型

针对煤矿瓦斯含量预测问题,以陈四楼煤矿为例,在煤层瓦斯含量影响因素分析的基础上,通过对种群进行混沌初始化,并引入自适应混沌算法和非线性收敛因子,提出了自适应混沌海鸥算法(ACSOA),建立了基于自适应混沌海鸥算法优化BP神经网络的瓦斯含量预测模型(ACSOA-BP),将模型应用于矿井进行预测效果检验。结果表明:陈四楼煤矿二2煤层瓦斯含量与不同因素呈非线性关系,地质构造是控制煤层瓦斯分布的主要因素,ACSOA-BP模型具有更高的预测精度和稳定性。     

BP神经网络在巷道类别辨识中的应用

本文根据煤矿巷道特点 ,建立了 BP神经网络辨识模型 ,实例分析表明 ,该模型有很强的辨识特性 ,具有重要应用价值     

基于瓦斯涌出的回采工作面参数识别BP神经网络模型

在分析回采工作面瓦斯涌出规律的基础上,运用BP人工神经网络模型,在给定工作面风量条件下,进行高瓦斯矿井回采工作面参数识别。合理地选择了采煤方法、循环作业方式、工作面推速度、工作面日产量等。模型精度很高,有一定的实用价值。