固体废弃物膏体充填料浆质量的神经网络研究

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．     

固体废弃物膏体充填料浆质量的神经网络研究

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．     

固体废弃物膏体充填料浆质量的神经网络研究

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.     

似膏体充填料浆质量神经网络辩识

似膏体充填是一种新的胶结充填模式。料浆的质量至关重要。为了保证似膏体充填料浆的质量，本文提出了用BP神经网络对其进行辨识，通过辨识初步建立了似膏体充填料浆质量的隐式模型，该模型具有较强的拟合功能和预测能力，为优化似膏体充填料浆质量提供了理论支撑。     

纹山某铅锌矿山全尾砂膏体充填材料实验研究

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。     

浅谈膏体充填技术在矿山开采中的应用

介绍了具有我国自主知识产权的重大创新——煤矿固体废物膏体充填采矿技术,就其研究现状与解决矿山安全高效生产和环境污染的成果,分析了这一技术的优越性以及不足,并对此新型洁净开采方法的使用效果加以评价,预测了其发展前景。     

似膏体充填料浆配合比的实验研究

为达到似膏体充填料浆流动性好，强度高且成本低的要求，通过实验进行了料浆配合比的研究。结果表明：在实验范围内，强度随凝石含量的增加而线性增加，塌落度随粉煤灰含量的增加先增加后减小，在粉煤灰含量为24％时达到最大值。最终确定的料浆配合比技术上可行，经济上合理。本文对推进充填采矿技术的发展具有重要意义。     

减水剂在似膏体胶结充填中的应用

新汶矿业集团孙村煤矿煤矸石似膏体充填试验结果表明,添加减水剂后充填料浆的坍落度、坍落扩散度和稠度显著提高。减水效果:可以在料浆浓度不变的条件下,显著提高其流动性或在保持其流动性不变的情况下,大量减少其用水量,从而提高充填浆体质量浓度和充填体强度。减水剂按胶凝材料(水泥和粉煤灰)质量的1.0%~1.5%添加为宜。     

基于BP神经网络的煤矿膏体充填称重系统误差补偿

针对膏体充填中称重传感器的静态非线性误差,采用BP人工神经网络实现对称重传感器静态计量误差的补偿,以提高称重系统的计量精度,并通过实验表明,称重系统的非线性误差得到了很大改进,精度得到了很大提高,从而达到实现较好的充填效果的目的。     

膏体充填料浆水力坡度研究进展

膏体充填技术近年来在矿山得到了较多的应用,但是关于膏体充填料浆水力坡度的计算却成为越来越突出的问题。介绍了目前通用的几种计算膏体料浆水力坡度的公式,并对各个公式的优缺点及适用范围做了评价。最后指出了膏体充填料浆水力坡度计算的研究方向。     

磷石膏充填体强度GA-BP神经网络预测模型

在测试磷石膏充填材料物理化学性能的基础上, 测定了不同配比充填体的强度, 用分形理论揭示了磷石膏充填体强度特征。研究表明, 磷石膏充填体强度与水泥含量、料浆浓度、粒径分形维数、孔隙分形维数及分维数相关率相关。根据充填体强度影响因素, 建立了磷石膏加粉煤灰作为充填料的充填体强度预测的BP神经网络模型。同时利用遗传算法优化BP神经网络的学习过程, 验算结果显示, GA-BP神经网络模型预测误差在4%以内, 具有较高的预测精度。     

采空区膏状充填体在线监测系统研制

作为实现“绿色开采”的主要技术手段和当前解决“三下一上”压煤问题,控制地表沉陷效果最好的矸石膏体充填开采技术,其充填效果评价过去一直采用的是地表岩移观测的方式,但是采用地表岩移观测的方式周期往往较长、费用较高、劳动量大。为此,基于KJ216顶板压力在线监测系统,研制了采空区膏状充填体在线监测系统。对采空区膏状充填体长期受力、变形和水化程度进行长期监测,综合评价充填效果。实践证明该系统现场应用效果良好。     

膏体充填技术现状及趋势

膏体充填技术是充填关键设备突破和井下采矿需求共同发展的产物,该技术在我国得到迅速推广应用。随着膏体技术应用逐渐成熟,其正朝着精细化研究方向发展,旨在提高充填质量、降低充填成本。叙述了膏体充填概念、工艺特点及技术优势,介绍了膏体充填技术在国内外的发展历程和应用现状。对新型胶凝材料、全尾砂脱水技术、膏体流变学、硬化膏体多场性能和膏体微观性能等热点方向研究现状进行了分析。同时,对新疆伽师铜矿和赞比亚谦比希铜矿膏体充填系统做了介绍。最后,提出了膏体充填技术在中国的发展趋势。     

全尾砂膏体充填粉煤灰活性效应研究

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。     

地表塌陷区膏体回填控制颗粒流数值模拟

以某矿地表塌陷区为工程背景,并基于颗粒流法和PFC^2D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。     

破碎难采矿体的下向膏体充填法

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。     

石灰石粉对胶结膏体充填材料性能的影响

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。     

充填体强度的支持向量机设计匹配模型

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。