基于BP-遗传算法的排土场边坡几何参数优化

在保证矿山安全生产的前提下,为发挥排土场最大经济效益,提出了基于BP-遗传算法的排土场边坡几何参数优化方法。以弓长岭大阳沟排土场为例,借助极限平衡法获取研究所需数据,利用BP神经网络建立边坡坡角、单段台阶高度及相应的安全系数间的非线性关系,并以此关系式为边界约束条件,建立了优化边坡几何参数的数学模型,利用遗传算法和传统优化算法进行寻优。结果表明,与传统优化算法相比,BP-遗传算法的优化结果更加精确、可靠,有效避免了传统优化算法在寻优时易陷入局部最优解的问题。提供了一种简单、精确、可靠的排土场边坡几何参数优化方法,具有较好的应用前景。     

考虑粒径分级的排土场稳定性分析

为研究粒径分级对超高台阶排土场稳定性的影响,以弓长岭独木排土场为例,建立考虑粒径分级的2种边坡模型,利用有限差分软件--FLAC分析其稳定性,并研究散体物料粒径大小对稳定性的影响。结果表明：当考虑粒径分级或增加大粒径散体物料的含量时,排土场的安全系数明显增大。以此为依据,通过增加大粒径散体物料的含量和使散体物料按粒径由大到小沿排土场高度方向分层排放2种方法,进行排土工艺的改进,但需注意消除因粒径分级引起的坡内软弱层面。研究工作提供了2种有效的超高台阶排土场稳定性分析方案,对其他类似工程的研究具有重要的参考意义。