A Finite Element Model to: 2. Simulate Groundwater Rebound Problems in Backfilled Open Cut Mines

A two-dimensional finite element softwate called SEEP/W can be easily modified to simulate the groundwater rebound process within the spoil of an open cut mine taking into account saturated and unsaturated flow, hydraulic conductivity, and water content (as a function of pore-water pressure). Flexibility in the model is achieved by assigning different boundary conditions. In this paper, the results of the numerical model of the ground water rebound are presented and compared with those obtained from analytical solutions, another numerical model, and with data measured at the Horsley backfilled site in the UK. This model calculates realistic results that can be used by mine operators and environmental engineers to control the quality of mine drainage in a backfilled open cut operation.     

Prediction of Cadmium Removal Using an Artificial Neural Network and a Neuro-Fuzzy Technique

Abstract.  The prediction of adsorption of cadmium by hematite using an adapted neural fuzzy model and a back propagation artificial neural network was compared. Adsorption was found to depend on the Cd concentration, agitation rate, temperature, pH, and the particle size of the hematite. The adaptive neuro-fuzzy inference system proved to be more efficient in predicting Cd adsorption than a single layered feed forward artificial neural network.     

Groundwater Numerical Simulation in an Open Pit Mine in a Limestone Formation Using MODFLOW

Numerical groundwater simulations of a complex limestone formation quarry in northern Spain enabled problems there to be quantified. A conceptual model of the aquifer, based on extensive in situ field work and information analysis was developed using MODFLOW. Steady state simulations as well as a first transient simulation were performed. The predictions matched the measured flows in the pit reasonably well, allowing practical scenarios of immediate interest to be simulated. Model calibration suggested a new permeability zonation, dependent of the degree of fracturing. The model provides a consistent quantitative framework with which new tests or operations can be evaluated in a cost effective manner.     

神经网络法对煤矿瓦斯涌出量预测浅析

1神经网络法瓦斯涌出量预测的可行性 近年来,瓦斯事故频发,对煤矿安全构成重大威胁,但由于瓦斯气体涌出受地质构造、煤层透气性、开采深度、开采方法、落煤方式及煤层赋存条件等多种因素影响,一直以来,很难通过建立精确的数学模型方式来预测瓦斯涌出情况,而绝大数矿井也仅仅是凭借经验来大概对工作面瓦斯涌出进行预测。     

基于人工神经网络和模糊诊断技术的煤矿安全预测系统

提出一种基于人工神经网络和模糊诊断技术的煤矿安全预测系统,并建立了系统的结构图。该系统结合了人工神经网络和模糊诊断技术的优点,其利用人工神经网络解决非线性问题的优势对数据进行处理,利用模糊诊断技术和经验数据做出安全预测,并给出了安全预测系统的运行流程图和各部分的设计方法。根据算例采用MATLAB进行了仿真验证,结果表明,该系统可以实现对敏感数据的提取和处理,可实现对煤矿安全的准确预测。     

神经网络法分析煤层瓦斯含量的影响因素

用人工神经网络模型分析了影响因素对瓦斯含量的定量影响,结果表明:瓦斯含量随煤层底板标高值的减小而增大;随与最近剥蚀面间距离的增加而增大;顶板砂岩比越低,瓦斯含量越高;顶板岩性为泥岩时,瓦斯含量高,为砂岩时,瓦斯含量低;到断层距离(m)越大,瓦斯含量越高;煤厚越高,瓦斯含量越低。     

神经网络在矿山巷道安全预测中的应用

采场巷道的安全预测包含众多的模糊性、不确定性和知识的不完备性，应用神经网络模型的学习能力，进行巷道在掘进过程中的安全状态预测。为矿山安全生产和事故预测奠定了基础。系统在金川二矿区的应用表明，该系统具有较好的适用能力。     

应用神经网络进行切口表面质量预测

主要叙述了人工神经网络理论在磨料水射流切割技术中的应用。以人工神经网络中的误差后向传播 (BP网络 )理论为基础 ,对磨料水射流切口表面质量进行数学建模 ,再借助MAT LAB工具对数学模型进行求解 ,最终设计出具有较好性能的网络结构。使用训练后的网络模型对磨料水射流切口表面质量进行预测得到较好的效果 ,为试验和生产带来了方便     

基于人工神经网络技术的隧道地表沉降预测

对采用人工神经网络技术预测隧道地表沉降模型中进行了研究。采用MATLAB系统开发了一个多层反向传播神经网络模型,考虑了隧道的深度、隧道的直径、地下水位、土的弹性模量、土的剪切强度、土的侧压系数、土的重度和开挖间隙对地表沉降的影响。用世界多个隧道的地表沉降数据作为样本对模型进行了训练和测试。结果表明,利用该神经网络预测的沉降值与实测值比较吻合。     

基于Visual Modflow的露天开采区地下涌水量模拟预测

露天开采过程将对地下水循环系统造成影响,目前这方面的定量研究却较少报告。结合四川某铁矿露天开采区水文地质条件,采用Visual Modflow 建立矿区地下水水流模型,分别预测开采至不同标高处的地下水流场变化、地下水涌水量及降落漏斗影响面积。预测结果表明,在露天矿坑周围局部地区地下水流指向开采区域,随着开采年限增长,地下水降落漏斗影响面积从0.54 km²增至1.55 km²,涌水量为3 220~4 565 m³/d,并揭示出地下水涌水量随季节的变化趋势。通过模型预测的定量评价,为矿山疏干采矿及设计防治水方案提供了一定科学依据。     

基于人工神经网络的爆破震动速度峰值的预报

介绍了BP神经网络知识，建立了三层BP神经网络模型，并将此模型应用于爆破震动速度峰值的预测，并将其预测值与常规方法的预测值进行了比较。     

露天矿大区毫秒微差爆破起爆网路设计优化

在大、中型露天煤矿爆破中,实现起爆网路毫秒微差起爆与网路设计有密切关系,正确的起爆网路和微差时间可以有效地增加安全性,提高爆破效果。     

Artificial Neural Network Prediction of the Performance of Upflow and Downflow Fluidized Bed Reactors Treating Acidic Mine Drainage Water

The performance of fluidized bed reactors treating synthetic acid mine drainage were predicted using an artificial neural network (ANN). The developed model gave satisfactory fits to the experimentally obtained sulfate, COD, alkalinity, and sulfide data; R-values were within 0.92 and 0.98. ANN can be effectively used to predict the performance of these complex systems and, with the proposed model-based applications, it is possible to reduce operational costs and risks.     

BP神经网络在露天矿边坡位移预测中的应用

随着露天矿开采深度的不断增加,矿山边坡高度也不断增加,随之而来的是对边坡稳定的维护与控制的难度大大增加。在全球卫星定位系统(GPS)所获得的露天矿边坡位移监测资料的基础上,应用BP神经网络模型对实测数据进行模拟计算和预测。分析结果表明,模型合理、可靠,精度较高。     

BP神经网络在煤矿爆破振动强度预测中的应用

根据BP神经网络理论,对煤矿主斜井爆破开挖产生的振动强度进行了预测。通过建立合理的网络预测模型,以影响爆破振动特征参量的主要因素作为模型的输入,在模型误差小于0.001的前提下,对21组数据进行了重点预测。参量预测误差均小于10%,可以满足该复杂场地条件下安全施工的预测要求。     

人工神经网络在煤矿通风机故障诊断中的应用

分析了煤矿通风机的常见故障,在介绍BP神经网络原理和算法的基础上,建立了基于BP神经网络模型的通风机故障诊断模型,并应用数学软件MATLAB中的神经网络工具箱实现了通风机不同故障状态的识别。研究结果表明,该方法能准确地诊断通风机的故障类型,具有简单、准确的特点,为实现煤矿通风机的故障预警和保障煤矿的安全生产具有指导意义。     

矿井瓦斯爆炸超压值分布的神经网络预测方法

瓦斯灾害是影响煤矿安全的重要问题之一,而爆炸后的主要危害之一是冲击波的伤害。而且,煤矿防隔爆措施是否能起到有效作用也依赖于冲击波超压值的测量和预测。在前人实验分析的基础上,应用神经网络理论,分别用BP神经网络和RBF神经网络对瓦斯爆炸后的冲击波超压值和测点之间的关系进行了预测。结果表明,BP神经网络的预测误差最小,应用神经网络进行预测可以明显的减小预测的误差,适合煤矿企业实际应用。     

神经网络法的采空区地基稳定性评价

为了定量评价采空区地基的稳定性,提出了应用人工神经网络技术进行预测评价.以采煤工作面终采时间、沉降趋势、深厚比、构造复杂程度、上覆岩层强度、相对位置、"活化"因素等作为评价指标,将采空区稳定性等级从稳定至不稳定划分为4个稳定级别,中间层设8个神经元,建立了3层BP人工神经网络模型.利用模糊综合评判结果对神经网络模型进行训练,并预留了8个评价单元用于检验.BP人工神经网络在训练过程中显示出良好的收敛效果,训练后的BP人工神经网络模型对采空区稳定性的预测评价结果正确,对工程建设的可行性评估和规划设计等具有指导意义.     

基于人工神经网络的岩石截割参数预测

鉴于前人推导的镐形截齿破岩截割阻力和截割比能耗的理论公式计算值与实际值相差较大以及最优截槽宽没有定量表示,文中选取岩石密度、单轴抗压强度、抗拉强度、静态弹性模量等为影响因子,建立了BP预测网络模型,并利用此模型对我国常见的4种岩石镐形齿截割参数进行了预测。检验及预测的结果表明建立的预测网络运行稳定,预测结果良好,对截割力的预测优于理论计算结果,对截槽宽和截割厚度最优比值、截割比能耗的预测结果良好,相对现有理论的计算和经验公式计算精度有了很大提高,能更好的满足工程要求。     

内蒙古某矿山采空区充填隔离挡墙设计

通过对矿山空区处理方法的分析,针对矿山充填挡墙高度、宽度均比较大的特点,对充填挡墙进行了受力分析,提出了采用柔性密闭挡墙的形式。与其他形式挡墙相比,在进行高度、宽度均较大的空区充填时,采用三层结构形式挡墙,能够在保持挡墙强度的条件下,降低充填成本、加强透水性。柔性挡墙制作周期短,缩短了充填循环时间,为安全回采点柱提供安全保障,也为类似矿山充填过程中充填挡墙设计提供了依据。