基于SVM的粗骨料膏体性能预测及优选方法

膏体充填能够改变矿区周围岩石的应力状态,减少矿区周围的环境问题,在国内外地下矿山得到广泛应用。膏体合理配比的确定需要进行大量实验,亟需寻找一种简单有效的方法去对膏体的性能进行预测。对此,本文开展了27组配比的强度和坍落度测试,采用PSO、Grid和GA算法优化后的支持向量机(SVM)进行训练,对比分析预测结果对算法进行优选。基于算法模型进行膏体性能预测,采用极差分析手段揭示了不同影响因素对充填体性能的影响,最后采用线性规划原理得到了最佳配比参数。结果表明：核函数的参数c和惩罚系数g随算法不同而变化,不能作为评判预测精度的依据。Grid算法和PSO算法可以分别对坍落度和强度进行精准预测。由于膏体中自由水含量的影响导致坍落度受粗骨料-尾砂比和浓度的影响较大。不同龄期条件下水泥掺量和浓度对充填体强度的影响始终处于主导地位,随着龄期增加粗骨料“骨架”效应逐渐显现。以金川矿山实际充填需求为例,获得其最低成本配比条件为水泥掺量为280 kg/m³,粗骨料-尾砂质量比为1∶1,废石-棒磨砂比为1∶1.44。     

基于粒子群优化算法的充填体单轴抗压强度预测研究

为快速有效确定充填体单轴抗压强度,以灰砂比、固体含量和养护龄期作为输入因子,充填体单轴抗压强度作为输出因子,建立一种粒子群优化算法(PSO),对支持向量机(SVM)参数进行全局优化的预测模型。结果表明,该模型预测性能较好,相关系数高(训练集为0.996,测试集为0.993),均方误差值低(训练集为0.000 393,测试集为0.000 726 13);通过室内试验对采集的216个试样进行预测与对比,证明模型可以准确地预测充填体单轴抗压强度,大幅度减少物理试验量及缩短试验周期,为矿山充填提供一种新思路。     

冻融循环对饱水岩石纵波波速影响的试验研究

为探究冻融作用对饱水岩石纵波波速与损伤变量的影响规律,在冻结温度为-20℃、融解温度为20℃的条件下,对饱水砂岩、黑云变粒岩、闪长岩和灰岩开展了40次的冻融循环试验。结果表明:在相同的冻融条件下,岩石的矿物成分、胶结类型、孔隙特征、矿物颗粒的排列方式对岩石的纵波波速和损伤变量均产生重要影响;经历40次冻融后,砂岩、黑云变粒岩、闪长岩和灰岩的纵波波速较饱水岩样分别降低了42.12%、14.30%、23.21%和19.24%;纵波波速和损伤变量降低幅度在前5个冻融周期降低较为明显,随冻融次数的增加,纵波波速与损伤变量的降低幅度逐渐减小并趋于稳定。