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.     

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。     

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。     

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。     

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。     

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。     

精确微差延时及逐孔起爆技术在爆破实践中的应用

通过研究不同岩性的合理孔间及排间微差间隔时间,并利用高精度雷管逐孔起爆新技术,可有效地控制爆堆形状和破碎块度,改善爆破质量,降低采矿总体成本。     

BP神经网络在煤与瓦斯突出预测中的应用

煤与瓦斯突出是一种极其复杂的瓦斯动力灾害现象.采用煤与瓦斯突出预测常用的7项指标作为输入值,基于BP神经网络的非线性自主学习能力,智能化、定量化地识别煤与瓦斯突出的类型.该模型基于MATLAB的神经网络工具箱加以实现.实验结果证明,基于BP神经网络的煤与瓦斯突出预测模型结果可靠,效果良好,应用性比较强.     

基于改进的切比雪夫神经网络的露天煤矿产量预测

由于影响露天煤矿产量的因素众多,尚未有精确方法对其进行预测。本文针对切比雪夫神经网络存在的不足,从算法和网络结构方而进行了综合改进。改进后的切比雪夫神经网络,符合生物神经网络的基本特征,算法简单,收敛速度快。用改进的切比雪夫神经网络对露天煤矿原煤产量进行建模和预测,结果表明,此种改进方法不仅提供了一种有效的预测露天矿原煤产量方法,具有优良的预测能力,而且在相同精度的前提下,其收敛速度也优于一般的BP网络,为露天煤矿的生产提供科学、合理的决策依据。     

基于BP神经网络的未采区瓦斯含量预测

为提高预测模型的可靠性,实现对煤层未采区域瓦斯含量的精确预测,以山阳煤矿5#煤层为研究对象,进行未采区瓦斯含量的预测。运用瓦斯地质学和多元线性回归分析法,得出基岩厚度、煤层厚度和埋深是影响该矿瓦斯赋存的主要因素,并将其作为BP神经网络模型的输入端神经元,初步构建出瓦斯含量预测模型;结合地勘时期瓦斯钻孔的实际数据,进行网络训练,再对预测模型的可靠性进行检验。结果表明:该预测模型预测瓦斯含量,精度较高,效果较好,能满足工程要求。采用多元线性回归-BP神经网络可以对未开采区域煤层瓦斯含量进行准确预测,为矿井瓦斯灾害防治提供一定的参考依据。     

Study on neural network model for calculating subsidence factor

The major factors influencing subsidence factor were comprehensively analyzed. Then the artificial neural network model for calculating subsidence factor was set up with the theory of artificial neural network （ANN）. A large amount of data from observation stations in China was collected and used as learning and training samples to train and test the artificial neural network model. The calculated results of the ANN model and the observed values were compared and analyzed in this paper. The results demonstrate that many factors can be considered in this model and the result is more precise and closer to observed values to calculate the subsidence factor by the ANN model. It can satisfy the need of engineering.