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。     

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KPCA-APSO-LSSVM的充填管道磨损风险预测

为提高充填管道磨损风险的预测精度,构建基于核主成分分析(KPCA)和自适应粒子群算法(APSO)优化的最小二乘支持向量机(LSSVM)磨损风险预测模型。首先通过KPCA对数据进行特征提取和降维处理,获取影响管道磨损的主要因素,然后应用LSSVM建立磨损风险预测模型,同时利用APSO算法对模型参数进行优化。最后,以黄陵县矿区为例,分析选取12种影响因素,建立充填管道磨损风险指标体系,借助MATLAB进行仿真训练与预测,并对预测结果进行对比分析。结果表明:KPCA-APSO-LSSVM模型与其他模型相比具有更高的预测精度及更强的泛化能力,是一种更为有效的磨损风险预测方法。     

基于组合赋权的充填管道失效集对—可拓模型研究与应用

考虑了充填管道失效具有随机性和模糊性特点,引入集对—可拓理论,构建了基于组合赋权与集对—可拓相耦合的综合评价模型.首先,从料浆特性、管道特性、施工技术和充填工艺4个方面,选取12个指标,构建了充填管道失效风险综合评价指标体系,并对指标进行风险等级划分.其次,采用G1法和改进CRITIC法分别确定指标主观权重和客观权重,并基于最小熵原理和拉格朗日算法计算指标组合权重,运用集对分析原理构建联系隶属度函数,通过计算单指标联系隶属度和综合联系隶属度,以最大隶属度识别准则为依据判断充填管道失效风险等级.最后,以金川龙首矿、宝山铅锌矿、新城金矿3个矿山为研究背景,进行充填管道失效风险评估,并与云模型和可变模糊集等评价模型评估结果对比.研究结果显示,3个矿山充填管道失效风险分别为Ⅱ级、Ⅲ级和Ⅲ级,与实际情况相符,且3种评估模型结果一致,表明基于组合赋权的集对—可拓理论综合评价模型在充填管道失效方面具有适用性,进一步丰富了理论成果.     

基于组合赋权的充填管道失效集对—可拓模型研究与应用

考虑了充填管道失效具有随机性和模糊性特点,引入集对—可拓理论,构建了基于组合赋权与集对—可拓相耦合的综合评价模型.首先,从料浆特性、管道特性、施工技术和充填工艺4个方面,选取12个指标,构建了充填管道失效风险综合评价指标体系,并对指标进行风险等级划分.其次,采用G1法和改进CRITIC法分别确定指标主观权重和客观权重,并基于最小熵原理和拉格朗日算法计算指标组合权重,运用集对分析原理构建联系隶属度函数,通过计算单指标联系隶属度和综合联系隶属度,以最大隶属度识别准则为依据判断充填管道失效风险等级.最后,以金川龙首矿、宝山铅锌矿、新城金矿3个矿山为研究背景,进行充填管道失效风险评估,并与云模型和可变模糊集等评价模型评估结果对比.研究结果显示,3个矿山充填管道失效风险分别为Ⅱ级、Ⅲ级和Ⅲ级,与实际情况相符,且3种评估模型结果一致,表明基于组合赋权的集对—可拓理论综合评价模型在充填管道失效方面具有适用性,进一步丰富了理论成果.     

充填管道堵塞风险性的SPA-AHP综合评价

为了预测充填管道堵塞风险性大小,建立充填管道堵塞风险性的评价系统和评价等级标准。基于层次分析法(AHP),对各评价指标赋予不同的权重,引入集对分析法(SPA),对充填管道风险性进行定量分析。运用该评价模型对金川龙首矿、贡北金矿、河东金矿、开阳磷矿4个代表性矿山的充填管道输送系统进行验证,贡北金矿、河东金矿充填管道堵塞风险性等级为2级"风险一般",金川龙首矿、开阳磷矿的风险性等级为3级"风险较大",评价结果符合矿山实际情况,表明该模型具有较高的评价精度,且合理、科学,可推广至同类矿山应用。     

深井矿山充填钻孔失效分析及预防措施

作为深井矿山充填系统的咽喉工程,充填钻孔失效将严重影响矿山的正常生产。通过分析充填钻孔不同结构形式,提出了钻孔堵塞和磨损失效模式及其原因;分析深井充填系统管道内料浆在不同状态下运动特征,明确了非满管流输送是引起钻孔和管道磨损的主要原因;提出闭路满管输送、管路布置优化、小管径增阻减磨以及破损钻孔修复等预防钻孔失效的技术措施,保证矿山安全高效生产。     

金川矿山混合充填料浆环管试验系统与管输特性研究

料浆流变特性是影响管道输送的重要因素,其流变参数是进行料浆管道输送阻力分析的重要指标。针对金川矿山充填材料的复杂多变性,开展了多种混合充填料浆流变特性研究和管输阻力因素分析。首先,简要介绍了金川矿山充填料浆管道输送的环管试验系统及检测技术;然后,概述了金川矿山充填料浆环管试验的部分研究成果。通过分析不同条件下的充填料浆管道输送试验成果,揭示了多种混合充填骨料粒径级配、料浆浓度、管道流速和水灰比对管输阻力的影响规律。最后,给出棒磨砂集料的高浓度充填料浆优化配比,为金川矿山安全、高效和高浓度充填法采矿奠定了基础。     

基于CSSA-BPNN模型的胶结充填体动态抗压强度预测

充填采矿法二步骤回采时胶结充填体稳定性受爆破扰动而降低。为快速准确地获得充填体动态抗压强度,利用分离式霍普金森压杆(SHPB)进行了40组不同应变率的单轴冲击实验,以灰砂比、充填体密度、养护龄期和平均应变率作为输入参数,充填体动态抗压强度作为输出参数,建立了一种基于Logistic混沌麻雀搜索算法(CSSA)优化BP神经网络(BPNN)的预测模型,并与传统BPNN和麻雀搜索算法优化的BPNN进行了对比分析。研究结果表明：CSSA-BPNN模型的平均相对误差为4.11％,预测值与实测值之间拟合的相关系数均在0.96以上,模型预测精度高。CSSA-BPNN模型的均方根误差为0.3950 MPa,平均绝对误差为0.3592 MPa,决定系数为0.9952,均优于另外两种预测模型。实现了对充填体动态抗压强度的准确预测,可大幅减小物理实验量,为矿山胶结充填体的强度设计提供了一种新方法。     

深井充填管道磨损风险评估模型研究

针对充填管道磨损影响因素多且具有不确定性的特点,将突变理论和模糊数学相结合的突变级数综合评估法引入到管道磨损风险评估中。首先,通过分析管道磨损影响因素,选取了包括骨料平均粒径等12个指标,建立了充填管道磨损风险评估模型;其次,收集了20个矿山充填系统信息作为学习样本,确定了管道磨损风险等级对应的突变级数分级标准,并验证了该评估模型精度高达90%;最后,将该模型应用到5个矿山的充填管道风险评估中,并与其他评估模型进行对比。结果表明,突变级数综合评估法计算简便,结果准确,为充填管道磨损风险评估提供了一个科学、合理的方法。     

金属矿深部开采岩爆危险预测的GA-ELM模型研究

为对金属矿山深部开采时岩爆的危险性进行预测,在总结深部开采岩爆发生机理的基础上,综合选取影响岩爆发生的3个重要因素作为岩爆预测的判别因子。搜集国内外金属矿深部开采岩爆的实例作为训练样本,引入极限学习机算法(ELM),针对该算法的不足,采用遗传算法(GA)对其相关参数进行优化,建立了岩爆预测的GA-ELM模型,并与单一ELM模型进行对比。利用该岩爆预测模型对一典型金属矿深部开采进行岩爆预测,结果与实际情况相吻合。研究结果表明,岩爆预测的GA-ELM模型训练效果及泛化能力均优于单一ELM模型、SVM模型及传统的BP模型,且该模型能够对金属矿深部开采的岩爆进行准确有效地预测,具有一定的工程应用价值。     

煤矿采空塌陷区危险性预测模型构建及其防治措施

采矿因素、地质因素等因素影响煤矿矿井采空塌陷区危险性预测结果,为了获取准确的煤矿采空塌陷区危险性预测结果,构建煤矿矿井采空塌陷区危险性预测模型。选取某省煤矿矿区作为研究区域,选取下沉系数与水平移动系数作为构建煤矿采空塌陷区危险性预测模型的参数,采用T-S模糊方法构建煤矿矿井采空塌陷区危险性预测模型,通过修正预测模型的模糊子集隶属函数更新预测模型,提升煤矿矿井采空塌陷区危险性预测精度。所构建模型输出煤矿矿井采空塌陷区危险性预测结果为中等,针对预测结果提出采用合理的采煤方式、合理避让、加强边坡监测3项煤矿矿井采空区塌陷防治措施,为煤矿矿井开采后防治采空区地面塌陷提供指导。     

深井矿山高浓度充填料浆自流输送管道磨损研究

为研究深井矿山高浓度充填料浆自流输送管道磨损情况,从速度、动量和能量守恒角度分析了深井矿山自流输送充填料浆运动机理、管道破坏机理和管道磨损机理,得出了充填料浆特性、充填钻孔、管道材质、充填倍线与自流充填管道磨损影响因素之间的关系。通过ANSYS FLUENT三维数值模拟结果和矿山实际管壁监测结果,研究了水平管和弯管的管道易磨损位置,提出了深井矿山自流充填管道降低磨损的技术方法,为矿山深井高浓度自流充填系统的持续、安全、稳定和高效运行提供了重要的技术支持。     

基于GAPSO-RFR的矿井底板突水预测模型与应用

为了更精准地预测矿井突水灾害,对突水预测和救援提供帮助,减少水灾造成的损失,提出基于GAPSO-RFR的矿井突水预测模型。利用遗传-粒子群算法对随机森林回归模型(RFR)进行优化,选取34例样本对GAPSO-RFR模型进行迭代和训练。测试结果表明,GAPSO-RFR模型提高了预测精度,减少了泛化误差。同时利用模型对王家岭矿区部分盘区的10号煤层与2号煤层的突水风险进行预测分析,得出了突水风险较高的区域分布情况。     

基于CFOA-PNN网络的采场顶板沉降量预测

针对环境再造采场顶板沉降影响因素复杂、数据离散等特点,选用一种仿生智能算法改进的概率神经网络(CFOAPNN),避免模型陷入局部极值,增加网络预测精度,建立采场顶板沉降量预测模型。模型选取岩体强度、充填体抗拉强度等8个主要影响因素。以广东某铅锌矿的29个代表性样本对模型进行训练、预测,并对比传统预测模型结果准确性,利用局部敏感性分析法评价模型影响因素对预测精度的影响。结果表明:最主要影响因素为充填体抗拉强度,其次为采场暴露面积。所构建的CFOA-PNN模型正确率为88.9%,明显优于传统预测模型。     

一种新型煤矿底板破坏深度预测模型

为有效预防煤矿底板突水风险,在传统的粒子群优化算法中增加自适应权重,结合遗传算法的交叉、变异步骤改进传统的粒子群优化算法,并用其优化SVM模型,建立改进的GA-PSO-SVM煤矿底板破坏深度预测模型,选取采深、煤层倾角、采高、工作面长度、煤层底板承压水水压和煤层底板损伤变量作为影响底板破坏深度的主控因素,通过15组煤炭生产单位采集底板破坏带深度相关数据,测试改进的GA-PSO-SVM模型的性能,并与FOA-SVM模型、BP模型的预测结果进行对比,研究表明:改进的GA-PSO-SVM模型预测结果与实测结果的误差范围为0.36%~5.22%,FOA-SVM模型预测结果的误差范围为1.60%~12.49%,BP模型预测结果的误差范围为1.01%~20%,改进的GA-PSO-SVM模型预测结果的误差范围更小,更适合煤矿现场的应用要求。