提高江砂胶结充填体强度的试验

针对某硫铁矿应用长江砂胶结充填体存在的质量问题，采用向长江砂胶结充填料中加掺合料及减水剂的方法．结果表明，采用这种方法，提高了江砂胶结充填体的强度，为该矿安全采矿、充分回收资源提供了科学依据．     

充填膏体流变参数优化预测模型

为了更精确地对充填膏体流变参数进行优化预测,建立主成分分析法(PCA)和改进的BP神经网络(I-BPNN)相结合的优化预测模型。以某金属矿山充填膏体配比实验为基础,利用主成分分析法对充填膏体流变参数影响因素(膏体质量分数、砂灰质量比、料浆容重和坍落度等)进行预处理,得出主成分,再利用改进BP神经网络模型进行预测,最终得到更准确的充填膏体流变参数预测结果。研究结果表明:该模型对充填膏体屈服应力、黏度等流变参数优化预测的相对误差都控制在5%以内,较未经主成分分析的BP神经网络预测结果,经主成分分析后,屈服应力预测相对误差降低0.48%~7.29%和黏度相对误差降低1.67%~6.20%,表明该模型对充填膏体流变参数预测是合理、有效的,屈服应力与黏度的预测精度显著提高,为充填膏体流变参数优化预测提供了一种新思路。     

欧拉方程组的再生核解法

利用再生核理论和有限差分法给出了一种计算欧拉方程组的新方法.由于再生核函数具有良好的局部性质且其导函数又为小波函数,数值试验表明该 方法具有精度高、稳定性好及计算量小等诸多优点.     

基于AHP-TOPSIS评判模型的姑山驻留矿采矿方法优选

为了解决马钢集团姑山露天铁矿境界外驻留矿体的开采技术难题,在综合层次分析法(AHP)和逼近理想解的排序法(TOPSIS)基本理论的基础上,建立AHP-TOPSIS综合评判指标体系模型,对4种拟选的采矿方法进行综合评判优选.从经济、技术、安全3方面综合考虑影响采矿方法的评判指标,通过层次分析法客观的确定各评判指标的权重向量,进而结合逼近理想解的排序法原理构建AHP-TOPSIS综合评判指标体系模型,计算出4种采矿方法基于评判指标的综合优越度.研究结果表明:4种拟选采矿方法的优越度分别为45.3％,46％,64.3％,30％,第Ⅲ种采矿方法(上向水平分层充填法)最优.该结果与模糊数学、突变级数法的评判结果基本相符,AHP-TOPSIS综合评判指标体系模型对于采矿方法优选具有工程的可行性和有效性.     

立式砂仓断面积和高度研究及应用

基于室内实验、集料供排平衡理论、流体动力学理论,提出立式砂仓断面积和高度的计算模型.断面积计算模型的核心是有效沉降速度,通过沉降规律分析,提出有效沉降速度为干涉沉降结束时液面下降高度与沉降时间之比.高度计算模型由压缩层、沉降层、溢流层、储砂空间和稳定放砂高度组成,核心是压缩层高度计算,应用流体动力学理论提出压缩层高度和砂浆浓度的关系式.以某矿立式砂仓为例,计算得到立式砂仓直径D为10 m,砂仓高度H为26.5 m.现场试运行结果表明:砂仓底流体积分数可达44%(质量分数69%),溢流水体积分数控制在3%以下,浓缩效果良好.     

基于絮凝沉砂的立式砂仓面积最佳计算模式

为探究全尾砂絮凝沉降条件下立式砂仓面积最佳计算模式,根据最理想沉砂条件和不同沉砂特点,从3种计算模式中确定出结果误差最小者.以某铅锌矿为例,进行细粒级全尾砂絮凝沉降试验,回归分析得到最佳沉砂条件下的沉降曲线,依此从3个角度分析立式砂仓面积计算模式的可靠度.最佳絮凝条件:相对分子量为8×106的阴离子聚丙烯酰胺(APAM),入料砂浆体积分数为7.80%,对应的絮凝剂单耗为17.66 g·t-1.最佳立式砂仓面积为36.06 m2,托麦吉-菲契图解计算模式所得结果与其贴近度达97.04%.     

框架式大跨度矿房开采技术

新桥硫铁矿采用两步回采的分段空场嗣后充填法,回采其呈框架式布置的矿柱、矿房,由于矿房跨度大大超过矿柱宽度,且矿柱充填质量较差,使第二步矿房回采难度加大．在矿房回采试验中,作者根据数值分析结果,采用了分区爆破、最后暴露充填体的开采技术,使大跨度矿房回采获得了成功,取得了显著的经济效益,也为类似条件矿山的开采提供了经验．     

超大能力超细全尾砂长距离自流输送临界流速ELM预测

 为准确预测司家营铁矿超大能力超细全尾砂浆体长距离管道自流输送的临界流速,对比传统的BP 神经网络、支持向量机(SVM),建立了以管道直径、物料平均粒径、浆体体重和体积浓度为输入因子,临界流速为输出因子的极限学习机(ELM)预测新模型。研究结果表明,ELM 模型与SVM 模型的相对误差均控制在5%以内,远低于BP 神经网络模型的9.56%。由于隐层节点参数均随机选取且无需调节,使得ELM 算法在隐层节点数为110 和200 时,训练时间仅为0.02 s 和0.05 s,远少于同节点状态SVM 模型的0.04 s 和0.095 s,且隐含节点数越多,训练时间差距越大,运算效率越高。     

基于椭球体放矿理论的后和睦山铁矿脊部残留原因分析

 后和睦山铁矿生产中发现,相邻进路中间的脊部矿石在下一分段难以回收,而冒险在中间增加一条进路以提高回收率的思路又增大了危险性。本文运用椭球体放矿理论,找到了导致该铁矿脊部残留矿量多的原因,并优化了进路间距。基于矿岩散体的整体流动特性,分析多漏斗放矿时的松动椭球体形态,并结合该铁矿无底柱分段崩落法开采的生产数据,最终反推得到相邻漏斗松动椭球体的空间形态关系,为优化进路间距提供依据。结果表明,该铁矿松动椭球体短半轴b_s与放出体短半轴b 之间的关系为b_s=1.82b;b_s的范围是5.90~7.96 m,即相邻漏斗松动椭球体不相互影响或相切是导致该铁矿存在脊部残留的主要原因;进路间距以8~10 m 为宜。该方法为使用无底柱分段崩落法的矿山分析存在脊部残留的原因提供了一条路径。     

GA-SVM和神经网络组合模型预测充填钻孔寿命

 充填钻孔是充填料浆从地表输送到井下采场的咽喉工程,是矿山正常运转的保障,因此对矿山充填钻孔使用寿命进行预测十分重要。通过建立支持向量机（SVM）和BP神经网络组合预测模型,用训练集对模型进行训练,以验证集预测值的均方误差作为SVM适应度函数,通过遗传算法（GA）对SVM模型参数进行优化选择,应用优化得到的SVM模型进行预测,并结合BP神经网络进行残差修正,最终得到预测结果。以某矿为例,通过GA得到SVM模型最优参数：适应值（均方误差mse）=0.0111,惩罚系数C=47.0768,核函数参数σ=2.2638。通过优化的SVM模型,对预测集充填钻孔寿命进行预测,经BP神经网络残差修正,预测结果的相对误差均控制在3%左右。对比单一预测模型,组合预测模型预测结果更加理想,精度更高,在类似的预测工程中有良好的推广价值。