共查询到19条相似文献,搜索用时 62 毫秒
1.
固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式.充填料浆质量的研究至关重要.它是一典型的多输入、多输出、非线性的模糊模型.一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力.该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据.另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比. 相似文献
2.
固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式.充填料浆质量的研究至关重要.它是一典型的多输入、多输出、非线性的模糊模型.一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力.该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据.另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比. 相似文献
3.
固体废弃物膏体充填料浆质量的神经网络研究 总被引:3,自引:0,他引:3
固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式.充填料浆质量的研究至关重要.它是一典型的多输入、多输出、非线性的模糊模型.一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力.该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据.另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比. 相似文献
4.
5.
为建立全尾砂膏体充填系统,须对膏体充填材料进行实验研究。实验研究包括分析全尾砂理化性质、进行絮凝沉降实验、塌落度实验、单轴抗压强度试验。实验结果表明:该铅锌矿全尾砂作为充填骨料是可行的;絮凝剂的合理添加量为20g/t时,沉降效果最佳。膏体充填料适宜泵送充填质量浓度为81%,根据充填地点和目的,采用不同灰砂比的全尾砂膏体充填料进行充填。 相似文献
6.
7.
8.
10.
11.
12.
13.
14.
15.
全尾砂膏体充填粉煤灰活性效应研究 总被引:1,自引:0,他引:1
为降低膏体充填成本,提高粉煤灰利用率,以粉煤灰替代部分水泥作为膏体胶凝剂。通过化学方法激发粉煤灰活性,设计了激发剂选型实验和优化配比实验,研究了化学激发下掺粉煤灰膏体强度的变化规律,旨在解决掺粉煤灰膏体早期强度低的问题。结果表明:三乙醇胺、NaOH、CaO能有效提高粉煤灰活性,而Ca(OH)2、Na_2SO_4、CaSO_4·2H_2O和CaCl_2对粉煤灰活性激发效果不明显。不同龄期三乙醇胺的最佳掺量一致,为粉煤灰质量的1.2%;Na OH激发时掺粉煤灰膏体不同龄期的强度随其掺量增加不断提高,掺量超过3%时,强度增长速度逐渐降低;不同龄期的CaO最佳掺量不一致,3 d最佳掺量为4%、7 d为2%、14 d和28 d为6%,CaO激发膏体后期强度不显著。 相似文献
16.
以某矿地表塌陷区为工程背景,并基于颗粒流法和PFC2D程序,对塌陷区进行多种回填工艺模拟,得出在不同回填工艺下回填处置体的运移规律,可有效地对回填工艺进行优化与选择。研究结果表明:在塌陷坑底部矿石开采过程中,全部胶结回填方案中回填处置体沉陷位移量最小,沉陷情况控制效果最好,分层回填方案效果次之,全部非胶结回填方案效果最差;利用膏体回填地表塌陷区,可使处置体与周围岩体形成应力拱结构传递应力,对地表塌陷区的稳定性起到较好的控制作用;完全非胶结回填方案的离层因子最小,为0.12%,处置体颗粒与塌陷坑底部接触效果最好;完全胶结回填方案的离层因子最大,达到0.18%,接触效果最差;其余3种方案的离层因子值相近,分别为0.15%、0.16%、0.148%,接触效果位于前两者之间。 相似文献
17.
破碎难采矿体的下向膏体充填法 总被引:1,自引:0,他引:1
伽师县铜辉矿业有限责任公司拜什塔木矿区1#矿体多年来采用无底柱连续开采分段崩落留矿采矿法进行回采,回采过程中存在地表陷落、钢拱架失稳、巷道垮冒、贫化率较大、作业环境不佳等问题。针对开采过程中存在的问题,通过方案优选和技术经济比较,选用下向进路膏体充填采矿法对1#矿体进行开采。下向进路膏体充填法很好地解决了围岩稳定性差,钢拱架失稳和巷道冒顶等问题。对采场结构参数和回采工艺进一步优化,采矿损失率从17%降低到4%~6%,贫化率从18%降低到5%~7%,尾砂利用率提高到90%~95%,增强了采矿作业的安全性,对同类矿山的生产具有一定的指导意义。 相似文献
18.
为满足矿山对质优价廉、不同粒度分级尾砂胶结充填材料的需求,以粗、细两种分级尾砂胶结充填材料为对象,研究了外掺粗、细、超细石灰石粉对胶结充填材料性能的影响。结果表明:固体质量浓度为65%的细粒尾砂胶结充填料和固体质量浓度为75%的粗粒尾砂胶结充填料外掺15%的超细石灰石粉,均可制成胶结膏体充填材料,其充填料的坍落度均超过200 mm、脱水率均低于2%、28 d硬化体的抗压强度在0.3~1.2 MPa、28 d硬化体沉缩率均低于2%;继续增加超细石灰石粉的掺量,充填料的坍落度和脱水率下降,28 d硬化体的抗压强度略有提升、沉缩率进一步下降。如何提高28 d硬化体的抗压强度是今后研究的重点。 相似文献
19.
充填体强度设计的预测受到多种高维度、非线性、随机性因素的影响。为改善当前充填体强度设计预测效果不佳的现状,使用支持向量机(SVM)方法在matlab软件中借助LibSVM工具箱建立充填体强度设计匹配模型。分析并筛选出8个主要因素作为条件属性,充填体强度作为决策属性,并挑选出72组训练样本和6组校验样本。模型选择径向基函数(RBF)为核函数,采用网格搜索法对参数寻优,再通过交叉验证检验最优参数组合。结果表明:SVM匹配模型做出的回归预测平均误差为1.94%,校验预测平均误差为2.23%,相对于BP神经网络模型,预测准确度更高。在保证采场稳定性的前提下,SVM匹配模型更为有效地减少水泥消耗、降低充填成本,提高企业经济效益。 相似文献