基于BP-遗传算法的排土场稳定性分析

在边坡最危险滑动面的搜索过程中,为避免目标函数建立时因公式化简带来的误差及传统优化算法易陷入局部极小值的问题,提出了基于BP-遗传算法的排土场稳定性分析方法。以瑞典条分法为基础,通过BP神经网络建立潜在滑动面的圆心、半径与其安全系数间的非线性关系式,利用遗传算法,搜索边坡的最危险滑动面,并计算其相应的安全系数。弓长岭排土场实例分析结果表明:与传统稳定性分析方法相比,BP-遗传算法的稳定性分析结果更加精确、可靠,具有较好的应用前景。     

安全稳定性约束下的排土场优化设计

在保证露天矿排土场边坡安全稳定的情况下,优化排土场几何参数,达到在有限排土场范围内排土量最大的目的。根据排放物的物理性质,选择边坡平面滑动和圆弧滑动的安全稳定性系数为安全评价指标,利用排土场底面内接半径把排土场的边坡倾角、台阶高度与宽度联系到一起,分析三个指标之间的制约关系,将台阶宽度转化到台阶高度和边坡倾角的函数,分别对边坡倾角和台阶高度进行分段求取,多次模拟计算,得出一组接近于最优解的值作为排土场设计的最佳模型。实验结果表明,和其他方法比较,本文算法考虑了安全稳定性约束条件下,实现排土场设计尽量多排土、少占地的目的。     

露天煤矿外排土场边坡稳定性研究

对朝凯煤业露天矿外排土场边坡稳定性进行研究,并利用GEO-slop软件和Morgenstern-Price方法定量评价了现有边坡参数,对外排土场排弃参数进行优化,对今后排土场的边坡稳定性提供依据。     

基于GA-LSSVR的露天矿边坡稳定性预测

针对露天矿边坡稳定性问题的小样本、非线性等特点,利用遗传算法的全局搜索能力优势,提出了基于遗传算法的最小二乘支持向量回归参数寻优方法,并建立基于遗传最小二乘支持向量回归(GA-LSSVR)的露天矿边坡稳定性预测模型。通过遗传算法对LSSVR进行优化,提高了预测精度和速度。实验结果表明,与BP神经网络、LSSVR模型相比,GA-LSSVR的精度更高,基于GA-LSSVR的露天矿边坡稳定性预测模型更有效。     

基于GA-LSSVR的露天矿边坡稳定性预测

针对露天矿边坡稳定性问题的小样本、非线性等特点,利用遗传算法的全局搜索能力优势,提出了基于遗传算法的最小二乘支持向量回归参数寻优方法,并建立基于遗传最小二乘支持向量回归(GA-LSSVR)的露天矿边坡稳定性预测模型。通过遗传算法对LSSVR进行优化,提高了预测精度和速度。实验结果表明,与BP神经网络、LSSVR模型相比,GA-LSSVR的精度更高,基于GA-LSSVR的露天矿边坡稳定性预测模型更有效。     

增地节地型露天矿排土场优化设计

为达到在有限排土场范围内多增复垦面积、多排土的目的,在其他影响因素都达到最优的情况下,以排土场复垦面积和排土容积为排土场优化设计的评价指标,进一步调整排土场的几何参数,使排土场设计模式更优。通过构建排土场表面积计算和排土容积计算的方法,分析排土场的几何参数与评价指标之间的关系,保证边坡稳定性的情况下,利用三维空间模型的特性,多次在二维场里进行网格划分,得出的排土场优化设计的几何参数,作为排土场设计的最优几何模型。以平庄煤业集团元宝山露天矿3号排土场为实例验证,结果表明对该排土场的优化设计达到预期效果。     

基于GS-PSO-SVM模型的边坡稳定性预测模型

针对传统边坡稳定性预测模型的不足,提出一种基于网格搜索和粒子群优化的支持向量机模型(GS-PSO-SVM model)。为了解决支持向量机参数选取问题,首先利用网格搜索法粗略寻优,确定参数范围,然后利用粒子群二次寻优。利用该模型对边坡实例预测,39个实例样本中,30个为训练样本,9个为预测样本,以岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力等6个边坡稳定性影响因素作为输入,边坡稳定性状态作为输出,预测结果与单独的网格搜索法、粒子群算法和遗传算法优化的支持向量机模型对比。结果表明,GS-PSO-SVM模型分类准确率100%,有更高的预测精度和预测效率,该模型能有效地对边坡稳定性状态进行预测。     

基于GS-PSO-SVM的边坡稳定性预测模型

针对传统边坡稳定性预测模型的不足,提出一种基于网格搜索和粒子群优化的支持向量机模型（GS-PSO-SVM）。为了解决支持向量机参数选取问题,先利用网格搜索法粗略寻优确定参数范围,然后利用粒子群二次寻优。利用该模型对边坡实例预测,39个实例样本中,30个为训练样本,剩下9个作为预测样本,以岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6个边坡稳定性影响因素作为输入,边坡稳定性状态作为输出,预测结果与单独的网格搜索法、粒子群算法和遗传算法优化的支持向量机模型对比。结果表明,GS-PSO-SVM模型分类准确率100%,有更好地预测精度和更高的预测效率,该模型能有效的对边坡稳定性状态预测。     

塔尔煤田Ⅱ区块露天矿外排土场边坡形态优化

为了解决露天煤矿外排土场边坡形态优化问题,基于逐水平形态优化理论,提出了外排土场边坡形态优化方法;以塔尔煤田Ⅱ区块露天矿外排土场边坡为工程背景,综合采用刚体极限平衡法与数值模拟技术,分析了原设计外排土场各帮边坡稳定性,对外排土场各帮边坡形态进行了优化,并分析了外排土场形态优化带来的经济效益。结果表明：外排土场各帮边坡+100 m水平设计平盘宽度为25 m,+120 m水平设计平盘宽度为20 m,新设计参数的外排土场比原设计参数的外排土场可多容纳9.16 Mm³的排弃物料,实现了在保证安全的前提下最大限度提高外排土场收容能力。     

露天矿排土场堆置参数优化

设计合理的排土场堆置参数可以达到降低露天矿的排岩成本并保持排土场的稳定性的目的。在建立通用的堆置参数优化的多目标规划模型基础上,结合国内某露天矿实际情况,首先确立单排岩台阶稳定性、总排土场的稳定性与堆置参数的关系,之后在考虑碎岩的运输过程及排土场随排弃任务推进的空间几何演化规律下,建立排岩工作的运输成本及管理费用与堆置参数的函数关系表达式,从而得到该矿以排土场稳定性及排岩成本为优化目标的排土场堆置参数优选模型;对该模型求解得到最佳的排土场堆置参数：台阶数目为4,平盘宽度取最小平盘宽度57 m,单个排岩台阶高度30 m,排土场总堆置高度为120 m,排土场边坡角为26°,该结果与矿山实际情况相符合。     

齐大山铁矿排土场增高扩容稳定性分析

由于露天矿开采量的增大和土地资源的紧缺,迫使企业在老排土场上进行增高扩容,由此引起的安全问题日益突出。以齐大山铁矿某排土场为例,分析验算该排土场增高扩容方案的可行性。通过室内实验取得的边坡散体力学参数,根据工程地质勘察成果建立排土场边坡模型,利用极限平衡法计算排土场分别坐落于基岩、黏土层之上,边坡体内无地下水,低水位、高水位情况下的边坡安全系数,获得了地下水对于排土场边坡安全的影响规律;尤其是当排土场坐落于黏土层之上时,边坡安全系数随着地下水位的不断升高而迅速降低,严重影响边坡安全。由排土场180~230 m不同高度的边坡稳定性分析可知,在180~220 m,排土场安全稳定性系数由1.122降到1.116;而在230 m,安全系数则增长到1.142。所获边坡稳定性随地下水位和边坡高度的变化规律为边坡安全性评价及整治方案确定提供了有力依据。     

降雨条件下多级台阶排土场边坡渗流及稳定性分析

降雨是导致边坡失稳的主要因素之一。以滇中地区某磷矿排土场边坡为例,研究持续降雨对6^#排土场边坡的稳定性影响,基于饱和-非饱和土渗流理论,使用室内非饱和土静力三轴试验结合GeoStudio有限元方法,对持续强降雨条件下的饱和-非饱和渗流场的动态变化、变形破坏和稳定性进行数值模拟和计算。结果表明：降雨初期基质吸力越大边坡安全系数越高,但是降雨12 h后边坡岩土体趋于饱和后,安全系数基本不受基质吸力的影响,并与理论计算结果基本一致,边坡整体稳定性良好,与排土场实际情况相符;雨水不断入渗时多级台阶排土场塑性变形区域主要集中在坡脚台阶处。模拟结果总体可靠,可为持续强降雨地区多级台阶排土场以及对滇中地区矿山排土场安全生产提供参考。     

弓长岭铁矿排土场边坡稳定性评价

露天采矿剥离岩土的排弃和排土场的形成,关系到矿山生产安全和人员生命财产安全.排土场稳定性是露天矿安全评价的核心内容,也是矿山安全管理的重点.以弓长岭露天铁矿大阳沟排土场边坡为例,在岩土工程勘察和物理力学性质分析基础上,通过极限平衡法和有限单元法相结合,对排土场边坡危险剖面在正常工况和降雨入渗工况下的稳定性进行计算,剖析排土场坡体稳定特征,所得结论对现场排土场具有重要的指导价值和现实意义.     

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。     

基于在线自适应极限学习机的矿山排土场滑坡预警模型

排土场滑坡是矿山的重大灾害之一,严重威胁着矿山的安全生产,矿山排土场受地质、人为、自然等多种因素的影响,采用单一指标难以准确和有效地预测滑坡变形趋势和安全稳定性,针对此问题本文提出了基于自适应极限学习机的矿山排土场滑坡预警模型。通过将岩土内摩擦角、坡角、坡高、容重、孔隙水压力系数和内聚力等指标作为输入单元,以稳定系数作为输出单元,对已有的数据进行训练和测试,应用效果表明该方法的理论计算结果与工程实际状况基本一致,具有良好的适应能力,对提高矿山排土场滑坡预警能力和准确性有着一定的借鉴意义。     

内排土场几何参数对端帮稳定性的影响

为了研究当露天矿山的剥离量不能保证内排土场及时跟进采场的进度,不同的排土方案对端帮稳定性的影响。先从理论上分析了内排土场压帮原理和时效边坡微观机理下的临界破坏准则,并结合内蒙古某露天煤矿为研究对象,采用数值模拟方法,建立不同的模型,分析了不同几何参数下的内排土场对端帮稳定性的影响程度。结果表明:当剥离量不足、不能保证矿山内排土场的跟进,常规排弃方案致使坑底宽度越来越大时,内排土场排弃顺序应在满足露天矿坑底最小宽度的安全前提下,优先满足最下部台阶的排弃,能更好地提高端帮的稳定性,进一步保证矿山的安全生产。     

露天煤矿边坡稳定性预测的PSO-LSSVM模型

边坡工程是露天煤矿中的重点工程,边坡的稳定性关系着煤矿的安全生产。针对煤矿边坡工程稳定性预测的复杂性,将粒子群算法和最小二乘支持向量机结合,使用粒子群优化算法寻找最小二乘支持向量机的最优参数,选取煤矿边坡工程中岩石重度、粘聚力、内摩擦角、边坡角、边坡高度、孔隙水压力和振动系数等七项因素为边坡稳定性的影响因素,建立了PSO-LSSVM的煤矿边坡稳定性预测模型。利用煤矿实测30组边坡稳定性数据进行学习训练,另用12组数据进行测试,同时与LSSVM测试数据进行比较,验证了PSO-LSSVM在煤矿边坡稳定性预测中有较高的准确度。     

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。     

露天煤矿排土场边坡参数优化

针对露天煤矿排土场的特点,考虑排土场边坡稳定、排土工艺及土地利用率等方面的因素,提出了适合排土场边坡参数的优化方法。该方法主要采用极限平衡计算、数值模拟分析对边坡的稳定状态进行分析,不断调整单台阶排土段高、平盘宽度,得出最优排土参数,并对边坡的极限堆高进行分析,在保证边坡稳定的前提下,最大化地增加排土场的收容能力,提高土地利用率。     

露天矿最终境界的优化研究

基于矿体模型提出了几何定界和价值定界算法,对露天境界的圈定和优化进行了研究,以期得到一个经济上合理,技术上可行、安全的最终境界。首先将矿床的数据及开采技术条件输入到计算机中,建立矿体模型。并根据岩石存在各向异性这一属性,对最终帮坡角进行了分区。然后利用几何定界和价值定界的计算机可执行算法,得到最优境界。最后将某露天矿实际数据与理论的进行对比,并进行了境界分析。