岩体可爆性分级的PSM-CM方法

针对岩体可爆性分级中尚未解决的模糊性与随机性问题, 结合乘积标度法(PSM)和云模型(CM)理论, 提出了一种岩体可爆性分级的PSM-CM方法。选用岩石容重、抗拉强度、冲击动载强度和完整性系数作为分级指标, 依据分级标准, 计算各指标隶属于不同等级的云模型参数, 通过正向高斯云发生器, 求得实测样本指标值各等级确定度, 再结合基于乘积标度法得到的各指标权重, 计算样本综合确定度, 根据最大综合确定度隶属等级确定岩体可爆性级别。该方法能解决可爆性分级中诸多因素的不确定性问题, 还可对同一等级的岩体可爆性大小进行排序。将该方法应用于贵州某磷矿山岩体可爆性分级中, 结果表明, 该方法具有较高的准确性和可靠性, 可在工程实际中推广应用。     

一种基于模拟退火算法岩体可爆性分级的投影寻踪回归方法

在分析影响岩体可爆性因素的基础上,选择岩体坚固性系数、声阻抗、炸药消耗量、平均裂隙距作为岩体可爆性分级评判指标,建立岩体可爆性分级的投影寻踪综合评价模型,利用遗传算法优化其投影方向,根据投影特征指标值对岩体可爆性进行分级评价,并将其应用于某地下岩体可爆性分级。评价结果表明,该评价模型可以避免主观因素对权重确定的影响,评价结果客观准确,为岩体可爆性综合判别提供了一种新的方法。     

遗传投影寻踪回归在岩体可爆性分级中的应用

在分析影响岩体可爆性因素的基础上,选择岩体坚固性系数、声阻抗、炸药消耗量、平均裂隙距作为岩体可爆性分级评判指标,建立岩体可爆性分级的投影寻踪综合评价模型,利用遗传算法优化其投影方向,得到岩体可爆性评价等级y与投影值的关系式:y=0.270423-1.310122+2.7082+1.0137,并将其应用于某地下岩体可爆性分级。评价结果表明,该评价模型可以避免主观因素对权重确定的影响,评价结果客观准确,为岩体可爆性综合判别提供了一种新的方法。     

普朗铜矿岩体可爆性分级及炸药单耗预测研究

为优化普朗铜矿地下采矿爆破参数,采用集对分析的理论与模型,以线性相关度较低,工程中较易获取的岩体密度、抗拉强度、抗压强度、岩体完整性系数为衡量指标,对该矿区东部、西部、南部所属岩体进行岩体可爆性分级.首先计算各岩体试样的单因素联系度,并采取层次分析法确定每个衡量条件下的指标权系数,最终得到一个基于这4项指标的综合表达式进而确定岩体的可爆性等级.研究结果表明,西部区域岩体可爆性属于较难,东部区域和南部区域岩体的可爆性属于较易.在可爆性分级的基础上,对东部、南部、西部岩体进行了炸药单耗的预测,为爆破参数的选取提供一定的指导.     

岩体可爆性评价研究与工程应用实例

在分析影响岩体可爆性的基础上,选取平均裂隙间距、岩体普氏系数、岩体波阻抗、动弹性模量为评价指标,建立岩体可爆性分级的粗糙元神经网络模型。依据黒岱沟矿岩体数据,对该矿的岩体可爆破性进行了分级评价。结果表明,所建立的模型能够很好的解决岩体可爆性分级问题,该模型可以避免主观因素对权重确定的影响,评价结果客观准确。     

大冶铁矿一次成井爆破的岩体可爆性评价

在分析国内外现行的岩体可爆性分级主要方法基础上,结合现场实际,采用四指标分级方法,对武钢大冶铁矿一次爆破成井试验地段的岩体可爆性进行了分析评价,并介绍了分级指标的测定、计算方法。     

基于模糊识别的岩体可爆性分级

在对岩体可爆性影响因素进行综合归纳分析的基础上，以岩石容重、抗拉强度、抗剪强度、岩体完整性系数作为岩体可爆性分级判据，将岩体可爆性分为7个级别，对某铁矿七种岩体的可爆性分级指标进行模糊识别分析，利用加权海明距离确定了各种岩体可爆性等级，并在此基础上确定了不同岩体的爆破参数。     

可爆性分级的博弈论－物元可拓预测模型及其应用

建立了可爆性分级预测的博弈论－物元可拓模型,以弥补现有岩体可爆性分级方法的不足.首先确定岩体可爆性分级指标与分级标准,通过隶属函数对分级标准进行隶属化,并确定节域隶属化范围,弥补了特征值可能超出节域而使关联函数失效的缺陷;然后运用博弈论,将评价指标客观动态权重与主观静态权重优化、融合,克服了传统物元可拓评价中单纯依靠特征值赋权而忽略特征本身对评价结果的重要性的弊端;最后通过最大关联度准则对岩体可爆性等级进行预测,从而建立可爆性分级的博弈论－物元可拓预测模型.工程应用研究结果表明,在锌铜矿体中顶板围岩和矿体中等易爆,下盘围岩较易爆,预测结果与实际工程地质情况有较好的一致性,并提出了相应的矿山工程爆破控制措施.     

灰色关联分析在岩体可爆性分级中的应用

岩体可爆性分级指标权重的确定直接关系到岩体的可爆性等级,从而影响到爆破效果和成本。采用灰色关联分析方法,可以避免主观因素对权重确定的影响,更客观的体现各个分级指标对可爆性分级的贡献。在某铁矿,运用灰色关联分析方法,确定了4个可爆性分级指标的权重,准确地对岩体进行了可爆性分级,从而验证了这一方法的可行性。     

基于属性识别理论的岩体可爆性分级方法

选择岩石的密度、抗拉强度、冲击动载强度以及岩体完整性系数作为岩体可爆性分级评判指标,以相似数定义相似权的方法,按一种客观性标准确定指标的权重,应用属性识别理论建立基于相似权的岩体可爆性分级判别属性测度模型。针对一些岩石样本试验数据进行分析判别,说明模型的使用方法和岩体可爆性分级评判过程。由于属性识别理论能很好地解决某类问题具有多个模糊属性的综合评价,且置信度准则是根据评价集具有有序性这一特点而提出的,因而可使评价结果更为可靠;同时评价模型采用客观性权重,避免了权重确定中的主观性和随意性,保证了评价工作的客观性和准确性。     

岩体可爆性影响因素的灰色理论分析

采用灰色理论分析了岩石容重、抗拉强度、抗剪强度和岩体完整性系数等参数对岩体可爆性的综合影响，通过大量计算提出了这些参数对岩体可爆性的影响排序结果。计算结果表明，剪切强度对岩体可爆性影响最大，岩体完整性系数影响最小，抗拉强度和岩石容重介于它们之间。     

基于多源信息融合的矿岩可爆性评价及应用

在数据挖掘的基础上, 采用粗糙集对矿岩可爆性数据进行了数据级融合, 除去冗余属性, 然后采用BP神经网络进行特征级融合, 从而建立基于多源信息融合的矿岩可爆性评价模型。对原始数据进行了离散归一化处理, 应用粗糙集对决定矿岩可爆性指数的6个因素进行了属性约简, 剔除了平均合格率, 而保留了漏斗体积、大块率、小块率、岩体声波速度和波阻抗等5个因素, 并对约简的准确性进行了验证。分别建立了矿岩可爆性评价的BP神经网络模型和粗糙集-BP神经网络模型, 前者对矿岩可爆性指数的预测值与实际值的平均偏差为8.33%, 而后者为6.75%。利用建立的粗糙集-BP神经网络模型预测某矿山井下采场的矿岩可爆性指数为78.43, 计算出采场的炸药单耗为0.65 kg/m³, 而现场试验值为0.67 kg/m³, 进一步验证了该模型的正确性。     

基于脆性指标与物元理论的可爆性分级技术与应用

为解决爆破效果差的问题,本文根据矿山生产情况的反馈,提出了能够综合反映矿岩爆破特性的评价指标——脆性,经落锤试验确定脆性系数,并将其与岩石容重、抗拉强度一起作为可爆性判别指标。应用物元可拓理论,建立岩体可爆性物元模型,通过层次分析法和简单关联函数法确定主客观权重,对矿岩可爆性进行了评判,得出待评岩体的可爆性级别。在此基础上优化爆破参数,并通过爆破漏斗试验进行验证。最后,将其应用于该矿中深孔爆破中,矿山爆破效果得到了明显改善。