基于BFO-SVR模型的爆破振动速度预测应用

在爆破作业过程中,避免飞石和振动等不利影响;合理并准确的预测爆破的振动速度,特别是在复杂的工程地质条件下,对于提高现场的施工效益具有重要的意义.本文引用细菌觅食算法优化支持向量回归(BFO-SVR)预测模型,预测爆破开挖过程中的最大振动速度,而后对比分析SVR以及BP模型的预测值.结果显示:相比较于后两种预测模型,BF...     

爆破振动峰值速度预测的SVM模型及应用

提出了一种爆破振动峰值速度预测的SVM模型,以某矿山爆破实测振动数据为例对该模型进行检验,并与BP神经网络模型和传统的萨道夫斯基经验公式进行对比,同时采用互信息方法计算影响因素对实测爆破振动峰值速度的相关性。研究结果表明:爆心距对爆破振动峰值速度影响最显著,其次是高程差,最后是最大段药量;爆破振动峰值速度预测的SVM回归模型是可行的,其预测结果不仅优于BP神经网络和萨道夫斯基经验公式,而且还具有良好的稳定性;采用传统的萨道夫斯基经验公式进行爆破振动峰值速度预测具有一定的局限性,应配合其它预测方法共同计算爆破振动峰值速度。     

岩体及充填体爆破振动速度衰减规律研究

巷道掘进爆破中,爆破振动是影响巷道稳定性和充填体稳定性的重要因素,频繁的爆破振动会对巷道围岩和充填体造成损伤,最终发生失稳破坏。通过建立爆破振动监测系统,改进爆破方案和监测位置研究岩体和充填体爆破振动速度衰减规律,得出岩体与充填体振动速度衰减规律的差异性,从而优化焦家金矿爆破药量。研究结果表明：距离爆源越近,爆破振动速度越大,而且会随着爆心距增加逐步衰减;最大振动速度出现在爆源附近,采场爆破对充填体的扰动破坏更大;距离爆炸点相等的充填体平均振动速度为0.223 cm/s,要大于岩体平均振动速度(0.087 cm/s)。根据焦家金矿岩体爆破振动速度传播特点,结合GB 6722—2023 《爆破振动安全规程》,得出了最大单段药量与安全距离的对应关系,提出了一种新的动力应力比法,不仅为优化凿岩爆破设计和爆破药量设计提供依据,而且为焦家金矿深层矿床安全高效开采提供可靠的保证。     

神经网络法预测爆破震动速度初探

采用BP神经网络算法法对红透山爆破震动速度进预测；初步工程实践表明，它具有先进性和科学性，可以应用于处理复杂的采矿爆破工程问题。     

基于随机森林预测转炉物料的废钢比计算模型

在“双碳”背景下,提高废钢消耗比例和降低铁钢比已成为钢铁行业能效提升和节能降碳的重要途径。随着废钢资源的不断积累和环保压力的增加,钢铁企业迫切需要找到一个平衡点,既能有效利用废钢资源,又能控制成本和提高经济效益。基于某厂实际生产数据,首先通过物料平衡和热平衡分析构建了一个静态估计模型,结果显示,物料平衡的计算误差为0.13%,热平衡的计算误差约为0.18%,证实了静态模型的准确性,并通过模型的矫正,调整废钢加入量以减少计算误差。其次,为了进一步提高模型预测的准确性,采用随机森林算法对钢水产量、轻烧白云石加入量和石灰加入量进行预测。测试集数据预测的均方根误差RMSE分别为1.925 9、0.256 14和0.433 36,预测方差分别为0.837 41、0.861 33和0.876 14,这证明随机森林算法在预测中的可靠性和有效性。最后,结合原料价格和预测结果,构建了最佳废钢比的计算模型。根据当前原料价格,模型计算出最佳废钢比例为27%。而当钢水价格上涨、废钢价格下降时,最佳废钢比例增至32%。该模型可以基于原料的不同价格计算出使吨铁水利润达到最大的废钢比,优化废钢利用比例,实现高效利用...     

基于SDAE和随机森林的铝电解槽阳极效应预测方法研究

阳极效应故障是铝电解生产过程中最为常见的故障现象,阳极效应的发生会降低电解效率,极大增加能耗,同时对环境和设备均有危害,而铝电解生产环境恶劣,槽况参数繁多,各种因素交叉影响,使得阳极效应预测成为铝电解行业的重点研究问题.本文结合铝电解槽槽况数据大数据量、复杂多维、非线性等特征,提出了一种基于深度学习的阳极效应预测模型,...     

基于PEMD-MPE算法的露天矿爆破振动信号降噪方法

为了去除露天矿山爆破振动信号中混入的噪声成分,提出了一种基于PEMD-MPE算法的降噪方法。该算法通过自适应性正交经验模态分解（PEMD）得到完全正交的本征模态函数（IMF）分量,然后对各个IMF分量进行多尺度排列熵（MPE）的随机性检测,成功确定其中的噪声分量并将其去除。采用该算法对实测的露天矿山爆破振动信号进行降噪处理。结果表明：相比EMD-MPE和EEMD-MPE算法,PEMD-MPE算法的信噪比分别提高了3.520 dB和1.107 dB,且重构标准差和均方根误差最小,说明该算法不仅能够有效去除爆破振动信号中的噪声成分,还能有效保留真实信号。     

基于随机森林和改进竞争群算法的铜电解过程能耗优化

电解铜箔生产过程所消耗的电能约占整个铜箔生产能耗的60%,存在很大节能空间。铜电解过程的能耗与电解过程的槽电压和电流效率直接相关,而铜电解过程影响因素复杂、工艺参数耦合严重,导致铜电解过程的能耗建模困难,能耗控制处于一种“盲目”的状态,难以运行在最优能耗工况。为此,本文提出了一种基于随机森林(Random Forest)的高精度拟合方法建立铜电解过程的能耗模型,建立了表征电流密度、硫酸浓度、铜离子浓度和电解温度作为输入变量与电解能耗内在联系的Random Forest回归模型,解决了铜电解过程能耗建模难的问题。根据建立的目标函数(能耗的Random Forest回归模型)以及电解过程约束条件,采用改进竞争群优化算法求解电解过程最优工艺参数,使铜箔生产的铜电解过程能耗从优化前5 400 kW·h/t降低到4 850 kW·h/t,大幅降低了企业的生产成本,有效提高了企业的生产效益。     

露天矿山台阶爆破矿岩平均块度的FOA-SVM预测

露天矿山台阶爆破后矿岩的平均块度是衡量爆破质量的重要指标,对后续的铲装和运输也具有重要的意义。为了对台阶爆破后的矿岩平均块度进行预测,使用果蝇优化算法(FOA)对支持向量机回归模型(SVM)进行参数优化,通过建立基于果蝇优化算法的支持向量机回归模型(FOA-SVM)对矿岩爆破平均块度进行预测,避免传统的SVM参数选取对预测结果准确性产生的影响。结果表明,FOA-SVM可实现对矿岩爆破平均块度的较好预测。     

基于组合算法的轧钢厂电耗预测

由于目前全国限电,钢铁厂耗电量高、电耗预测精度不高的问题亟待解决。将预处理后的热轧厂每天电耗作为预测模型的输入量,建立了最小二乘支持向量机(least squares support vector machine, LSSVM)预测模型,并对LSSVM预测模型进行核函数选择仿真分析。采用一种智能寻优灰狼算法(grey wolf optimization, GWO)进行寻优仿真分析,以平均绝对误差为目标函数值,优化LSSVM惩罚参数和核函数参数,从而建立了GWO-LSSVM的电耗预测模型。以山钢日照热轧厂为例,采用所建立预测模型对日耗电量进行仿真分析,试验结果表明,GWO-LSSVM预测模型能达到较好的曲线拟合预测效果,预测精度较高,平均绝对误差(mean absolute error, MAE)为0.838。     

金堆城露天采场北部边坡爆破振动测试与衰减规律探析

通过对金堆城露天采场北部边坡爆破振动的测试,找出了边坡受爆破振动影响的衰减规律,并对其各项参数进行了分析,为北部边坡冶理方案提供了科学依据。     

基于小波包理论的爆破振动信号能量分析研究

爆破振动信号是一种极为复杂的非平稳信号,具有持时短、突变快的特点,本文结合实际爆破监测数据,利用小波包变化提取信号的频带能量分布特征,对爆破振动信号中不同频带的能量特征进行了分析研究。研究结果表明:爆破振动信号能量绝大部分集中在0～200Hz,在这一频带根据爆破条件不同其能量又分布于不同子频带。随着爆破药量、爆破地震波传播距离的增大,低频带所占能量不断增加。因此该方法对爆破地震波传播及破坏机理,以及爆破降振研究是一种有效的方法。     

露天矿山爆破振动影响因素研究

最近几年,爆破已经成为露天矿开采中的常见方式,其直接影响着开采的效果和安全性。爆破振动作为爆破过程中的主要危害之一,要采取措施降低爆破振动对露天矿山结构的影响,保证露天矿山爆破的安全性。因此,本文通过对露天矿山爆破振动影响因素的分析,提出了控制措施,希望能够进一步保障露天矿山开采的安全性。     

考虑振动频率的爆破振动安全标准的探讨

爆破振动安全标准如果不考虑振动频率的影响,则难以准确地衡量爆破振动的危害。文中在分析爆破振动频率对爆破振动的作用后,运用分形理论对其进行定量计算,得出考虑振动频率的爆破振动速度安全判别标准。并针对现场应用。提出采用简单易行的计频允许振速代替单一的爆破质点振动速度来判别爆破安全标准。     

差分隐私保护的随机森林算法及在钢材料上的应用

基于数据驱动的材料信息学被认为是材料研发第四范式,可以极大降低新材料的研发成本,缩短研发周期。然而,数据驱动的方法在材料数据共享利用时,会增加材料研发中关键工艺等敏感信息的隐私泄露风险。因此,面向隐私保护的机器学习是材料信息学中的关键问题。基于此,本文针对在材料信息学领域广泛使用的随机森林模型,提出了一种差分隐私保护的随机森林算法。算法将整体隐私预算分配到每棵树上,在建决策树过程中引入差分隐私的拉普拉斯机制和指数机制,即在决策树的分裂过程中采用指数机制随机选择分裂特征,同时采用拉普拉斯机制对节点数量添加噪声,实现对随机森林算法的差分隐私保护。本文结合钢材料疲劳性能预测实验,验证算法在数据分别采用集中式存储和分布式存储下的有效性。实验结果表明,在添加差分隐私保护后,各目标性能的预测决定系数R2值均达到0.8以上,与普通随机森林的结果相差很小。另外,在数据分布式存储情况下,随着隐私预算的增加,各目标性能的预测R2值随之增加。同时,随着最大树深度的增加,算法整体的预测精度先增加后降低,当最大树深度取5时,预测精度最好。综合看来,本文算法在实现随机森林的差分隐私保护前提下,仍能保持较高的预测精度,且数据在分散存储的分布式网络的环境中,可根据隐私预算等算法参数设置,实现隐私保护强度和预测精度的平衡,有广泛的应用前景。      

基于波动理论的露天采场爆破振动高程放大效应分析

为研究露天采场边坡爆破振动高程放大效应规律,基于波动理论,根据采场边坡建立沟槽模型,分析爆破振动波在采场边坡中的反射叠加和绕射作用;在萨道夫斯基公式基础上,推导出爆破振动速度衰减的修正公式,用工程实测数据进行了验证。结果表明:露天采场边坡的高程放大效应,是爆破振动波在边坡内部反射叠加和绕射的结果;修正公式预测精度更高,更加适合露天采场边坡爆破振动速度的预测。     

基于随机森林算法的高炉铁水硅质量分数预测模型

为了研究高炉冶炼过程中铁水硅质量分数的预测问题,我们基于随机森林算法建立了高炉铁水硅质量分数预测模型。针对具有不同统计特征的2组高炉生产数据,分别建立了随机森林预测模型和支持向量机预测模型,并从预测命中率、相关系数、均方根误差以及绝对误差等4个方面对模型性能进行了综合的比较分析。结果表明:在炉况平稳或存在较大波动的情形下,随机森林预测模型都能获得显著优于支持向量机预测模型的预测精度。研究结果为探索高炉冶炼过程炉温的预测控制提供了新的建模思路。     

爆破振动对岩质边坡损伤的分析与研究

以岩石动力学、材料损伤力学和断裂力学为理论基础，凭借SHPB测试统作为试验手段，以某露天煤矿西帮蠕动边坡为研究对象，就产生爆破振动对其的影响进行了系统的分析和研究。     

武山铜矿中深孔爆破振动速度衰减规律研究

通过理论分析和矿山现场测试,对收集大量的测试数据运用最小二乘法回归原理进行分析,得出了武山铜矿中深孔爆破振动速度的衰减规律,为矿山今后确定一次最大一段起爆药量提供了依据和保障,也可为类似地下矿山的设计和施工提供参考.     

爆破地震波的频率特征及其影响因素

爆破震动速度和频率是表征和评判地震强度必不可少的参量,为此给出了频率与药量、爆心距、岩石性质、埋置深度、地形条件的关系,以及主频率与药量、频率与距离的关系式。