基于粒子群算法和BP神经网络的冲击危险性评估

为评价冲击矿压危险程度,提出一种基于粒子群算法和BP神经网络(PSO-BP)的冲击危险评估方法。利用已有冲击矿压数据,通过BP网络建立回归模型,并采用PSO算法对模型的连接权重和阀值进行优化,克服了BP网络收敛速度慢、易陷入局部最优的缺点。选取冲击矿压的10种主要影响因素,利用典型冲击矿井的20组工程数据建立PSO-BP评估模型,并将该模型与标准BP模型进行对比分析,结果表明PSO-BP模型较标准BP模型的评估准确率提高15%。最后,通过某矿冲击危险评估的工程实例验证了该方法的可行性和普适性。     

基于改进的QPSO-BP算法的锌矿价格行情预测

为了提高锌矿价格预测精度,采用改进的QPSO算法优化BP网络的权值与阈值,将通过优化搜索得到的粒子位置向量解码作为网络的权值与阈值,优化BP神经网络,对锌价格进行建模预测。在输入因子相同的条件下,以PSO-BP与QPSO-BP模型分别预测未来锌矿价格行情,以预测精度(MAPE)和泛化能力指标(ARV)评定两种模型的优劣。结果表明,改进的QPSO-BP模型的预测精度和泛化能力明显高于PSO-BP模型,更能适用于锌价格预测,对项目投资决策和风险评估有一定的参考价值。     

基于改进层次分析法的石油运输 安全风险评估研究

为提升石油运输方案的经济效益与安全性，结合石油运输多层次的新特点，设计基于改进层次分析法的石油运输安全风险评估方法。从运输工具安全性、运输路线安全性、运输管理能力构建石油运输安全风险评估指标多层次结构，利用熵权法对层次分析法权向量计算过程进行改进，获取主客观并重的综合权重，根据权重计算石油运输安全风险评估值，划分风险等级。实验结果表明，在确保石油运输安全性的基础上，该方法可在一定程度上节省风险管控过程中的人力、物力、财力与时间，提升石油运输的经济效益。     

基于波段比值参数的PSO-BP内陆水体叶绿素a估算方法

文中针对BP神经网络收敛速度慢和易陷入局部最优的问题,构建了基于波段比值参数的PSO-BP内陆水体叶绿素a浓度估算模型。选择特征波段比值作为BP神经网络输入变量,借助PSO算法优化了BP网络的初始连接权值和阈值,利用机载的CASI高光谱数据进行了相关试验,分析了PSO-BP模型的估算精度。结果表明:(1)PSO-BP模型测试集的决定系数R2为0.87,均方根误差RMSE为2.27 ug/L;(2)与直接以波段反射率为参数的BP模型相比,该模型的均方根误差降低了1.93 ug/L;与波段比值为输入参数的BP模型相比,该模型的均方根误差降低了0.64 ug/L。     

露天煤矿全流程能耗分析及节能对策研究

以内蒙古黑岱沟露天煤矿为例,通过能源审计对节能评估做出有益的探索,建立基于能源审计的露天煤矿节能评估模型,基于实地调研和现场测试对露天煤矿各生产环节的相关设备进行能耗分析,研究表明：黑岱沟露天矿运输环节的能耗占比最高,占总能耗的比例高达78.5%,其中绝大部分来自柴油|优化卡车运输路线、减少卡车等待时间是露天矿节能的最主要方式,卡车的年运输量越高,年均柴油单耗越低|应加强大型电铲的能耗监测,采用电力驱动采剥设备可实现以电代油,并降低能耗。     

露天煤矿全流程能耗分析及节能对策研究

以内蒙古黑岱沟露天煤矿为例，通过能源审计对节能评估做出有益的探索，建立基于能源审计的露天煤矿节能评估模型，基于实地调研和现场测试对露天煤矿各生产环节的相关设备进行能耗分析，研究表明：黑岱沟露天矿运输环节的能耗占比最高，占总能耗的比例高达78.5%，其中绝大部分来自柴油|优化卡车运输路线、减少卡车等待时间是露天矿节能的最主要方式，卡车的年运输量越高，年均柴油单耗越低|应加强大型电铲的能耗监测，采用电力驱动采剥设备可实现以电代油，并降低能耗。     

风险评估模型对煤矿职业危害评价的适用性研究

为了探索职业健康风险评估模型在煤矿职业病危害评价中的应用,选取某大型煤矿5个主要工段的12个主要工序,运用罗马尼亚风险评估模型(Romanian model)和国际采矿与金属委员会风险评估模型(ICMM)对某煤矿进行风险评估并比较2种模型的评估结果的异同。研究结果表明:对于噪声、CO等有毒气体、电焊烟尘这3种职业危害因素,ICMM矩阵法评估为中等风险,定量法评估为不可接受风险,Romanian model评估为4级中等风险水平。对于粉尘造成尘肺病这一风险事件,ICMM矩阵法评估为高风险;定量法评估为不可接受风险;Romanian model评估为5级高风险水平。Romanian model模型的评估结果更能为煤矿企业职业病危险分级防控提供指导。     

基于线性规划的露天矿排土运输模型构建及应用

为寻求简单、实用的露天矿排土运输优化模型与求解途径,结合昆阳磷矿实际生产环境,在其他影响因素相对确定的条件下,把运输费用的变化映射成运输能耗的函数,以各路线能源消耗最小为目标,构建了线性规划模型,并应用Excel规划求解工具,得到了最优排土策略,优化结果满足采剥地段时空量安排及排土场容量约束,运输总能源消耗节约2.3%。研究结果表明,在特定条件下,把露天矿排土运输系统简化为线性规划模型,采用Excel求解,其结果能很好的满足生产一线的应用需要,该建模与求解途径简单易用。     

基于多目标遗传算法的露天矿卡车调度优化研究

为合理调配露天矿卡车运输,实现矿山企业降本增效,解决卡车运输调度管理的多目标需求,以卡车运输成本最低和等待时间最少为目标,以车铲生产能力、矿石品位以及生产原则为约束,构建了多目标卡车调度模型。模型采用优选因子分配车辆,使用多目标遗传算法进行求解,进而优化露天矿卡车的动态调配。针对某露天矿卡车调度进行多目标优化,研究结果表明:此方法可提供合理的优化调度方案,得到具体的卡车运输路线和运行时刻表,大大降低卡车运输成本,提高设备使用效率,从而为矿山的卡车调度提供具体合理的决策依据。     

基于GA-BP模型的露天矿边坡稳定性预测

针对现有研究方法在预测露天矿边坡稳定性时存在适用性不强和误差大的问题,基于遗传算法对BP神经网络进行改进,提出一种露天矿边坡稳定性预测模型。该模型以坡体容重、黏聚力、内摩擦角、边坡倾角、边坡高度和孔隙压力6个参数为输入变量,以安全系数为输出变量,随后利用该模型对露天矿边坡的实例进行分析,与传统BP神经网络预测模型性能进行比较。研究结果表明:GA-BP模型在进行露天矿边坡稳定性预测时效果好,具有误差小和计算精度高的优点,为准确预测露天矿边坡稳定性提供了一种新的方法。     

基于SSA-BP的露天矿山边坡位移变形预测

针对传统的BP神经网络在预测露天矿山边坡位移变形时存在的局限性,构造了一种基于麻雀搜索算法（SSA）和BP神经网络相结合的边坡位移变形预测模型,先利用麻雀搜索算法对传统的BP神经网络进行权值与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法（SSA-BP）运用于露天矿山边坡位移的预测。为了验证算法的可行性,将SSA-BP预测模型与WOA-BP、BP以及Elman预测模型针对露天矿山边坡位移变形量的预测结果进行比较。实验结果表明：SSA-BP预测模型针对露天矿山边坡位移变形量的预测相比其他三种模型,其迭代速度块,寻优能力强;通过预测精度评价指标来看,SSA-BP算法的R^2、RMSE、MAPE、MAE、MSE明显优于另外三组算法。为露天矿山边坡位移变形预测提供了一种新的思路和方法。     

露天矿边坡监测中的小波滤噪与BPANN预测

针对边坡变形量预测难的问题, 将小波分析与BP神经网络预测相结合, 采用小波变换对边坡变形监测数据进行信噪分离, 进而消除观测误差, 通过BP神经网络预测模型BPANN对处理后数据进行再处理, 对边坡变形量以及变形趋势进行预测。进而提出了一种基于小波变换和BPANN模型对露天矿边坡变形监测数据进行处理分析的方法, 并在鞍山某露天矿进行了实际应用。实例结果表明: 利用小波去噪与BPANN模型预测的监测点精度达到3 mm, 满足二等变形监测的要求, 数据处理简便, 在露天矿边坡变形监测数据的消噪与预测中具有实际应用价值。     

基于鲸鱼算法优化支持向量机的露天煤矿边坡稳定性预测

边坡的稳定性对露天矿山的安全影响重大,为了快速地对露天煤矿边坡稳定状态进行判断,提出了一种基于鲸鱼算法(WOA)优化支持向量机(SVM)的露天煤矿边坡稳定性预测模型,该方法使用WOA对SVM模型的惩罚系数及核函数参数的取值进行了优化,解决了SVM模型的初始参数值选取困难的缺点。利用WOA优化后的SVM模型对收集到的边坡数据进行预测,并与RF、BP、SVM模型的预测结果进行对比。结果表明,WOA优化后的SVM模型具有更高的预测精度,该模型对确定露天煤矿边坡稳定状态有一定的参考价值。     

基于Whittle的露天境界动态优化研究

开采境界圈定是露天矿山开采设计的基础，境界优化结果的优劣直接制约着矿山的整体发展效益。露天开采过程中面对的是复杂多变的地质岩体、无序的品位分布、多变的经济参数等一系列非线性动态问题，现有的主流境界优化方法未能有效考虑该类问题。为实现对露天矿山境界优化的经济动态评估以及矿山剥采均衡，将露天境界优化与地质品位、矿体赋存状态相结合，根据地质数据库采用SURPAC软件建立了矿体三维实体模型和块段品位模型。借助境界动态优化分析软件Whittle，并根据某矿山实际情况，将浮动圆锥法和LG图论法相结合，在一定的技术、经济指标条件下，生成了一系列不同价格对应的露天境界优化方案。根据矿山设计生产规模，对各个境界方案进行进度计划排产，同时考虑了资金的时间价值，引入贴现率指标，获得了各个方案的最大净现值，确定净现值最大的方案为最优方案。研究表明：该方案的提出，实现了动态条件下该矿山露天境界的高效动态优化，为露天矿山开采境界优化提供了新思路。     

基于PSO-BP神经网络的边坡稳定性模型研究

为了对边坡的稳定性进行分析,以黏聚力、内摩擦角、边坡倾角、坡体的容重、边坡高度、孔隙压力比6个主要影响因素作为边坡稳定性的判别指标,利用粒子群算法优化BP神经网络的权值和阀值,建立边坡稳定性的PSO-BP模型,并对5个边坡的稳定性进行分析,预测的平均误差达到1.98%,预测效果较好。结果表明,PSO-BP神经网络模型较传统的BP神经网络模型精度更高,收敛速度更快。     

露天矿三维境界参数优化与应用

为得到更优的露天矿开采终了境界,提出了集优化参数预测、矿岩块体属性赋值及动态经济效益分析为一体的三维境界优化方法。首先运用经济时间序列方法对未来市场钼精矿售价进行科学预测; 在大量已存矿山边坡数据基础上利用神经网络方法预测矿山边坡角; 在预测参数和建立的矿床地质模型基础上利用图论学方法获得批量境界方案,并对各境界方案编制生产计划,计算各方案投资、成本及效益,比较各净现值并确定最优方案。将该优化方法应用于某矿山设计中,结果表明,在以参数预测为基础的条件下矿山开采境界三维优化与矿山实际生产结合紧密,可指导矿山设计及生产,该方法具有推广应用价值。     

基于ISSA-XGBoost模型的多特征融合露天矿卡车行程时间预测

针对露天矿运输系统卡车行程时间预测问题,提出了一种基于特征选择及改进麻雀算法优化XGBoost的露天矿卡车行程时间预测模型。模型充分考虑了卡车特征、道路特征、气象特征以及时间特征对卡车行程时间的影响,并使用皮尔逊系数法深入分析影响因素的贡献度。针对麻雀算法中全局搜索能力薄弱的问题引入反向学习和螺旋搜索策略,以提高算法的收敛性能。最后,使用改进的麻雀算法对XGBoost的关键参数进行寻优,进而构建露天矿卡车行程时间预测模型。选取国内某大型露天矿卡车调度系统采集的数据进行仿真模拟,并将所提出模型与SVM、BP、RBF和RF等其他机器学习模型进行对比。结果表明：所提出模型的预测误差均低于其他模型,相关系数可达0.981 9。开发的模型和分析结果可以极大地帮助决策者规划、运营和管理更高效的露天矿运输系统。     

基于TIN的露天矿区地形精细模型构建研究

准确构建露天矿区三维地形模型，客观反映露天矿在开采过程中的地形动态变化特征，对于提高露天矿生产管理效率和信息化水平具有重要意义。根据露天矿地形特点，提出了以凸壳算法为基础的建模方法。该方法中，以空间特征为约束条件构建三维地形精细模型。以三维地形精细模型为基准，针对地理信息软件ArcGIS中三维体积计算的局限性，提出了一种土方量计算的改进算法。以宝日希勒露天矿为例，结合矿区地形碎部点测绘数据，进行了三维地形精细模型构建。研究表明：该建模方法提升了三维地形模型的构建效率，同时以边为着眼点对三维地形模型进行优化，提高了模型的几何精度。通过对比分析不同时期露天矿三维地形模型的体积变化和形状变化情况，可为露天矿开采动态量化评估提供可靠依据。     

露天矿山运输调度系统粒子群优化

结合露天矿山运输调度系统实际,考虑到计划产量、生产能力、质量要求和运输过程等方面的约束,建立了一个通用性较强的露天矿山运输调度系统模型。该调度模型以总的运营成本最低为目标函数,采用惩罚函数法把诸多约束条件化为无约束,构建优化系统中粒子群算法的适应度函数。通过引入自适应变异程序对粒子群算法进行改进,避免算法过早收敛,提高了收敛效果。运用改进后的自适应变异粒子群算法对露天矿山运输调度系统模型优化求解,并采用Matlab软件对求解过程进行仿真,研究结果表明该算法能够快速得到当前班次的车辆调度的满意方案,提高了露天矿山运输调度的效率,进而提高露天矿山生产率,为数字化矿山建设提供一定参考。