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。     

煤矸石充填骨料替代品可行性研究

为解决华泰矿业有限公司地下采空区危害及煤矸石骨料不足的问题，通过现场调研、室内试验、理论分析，对煤矸石充填骨料替代品砂岩、页岩、钢渣的物化性能及其充填配比实验和胶结机理进行深入研究。结果表明，钢渣是合适的替代骨料，其胶结体具有较高的抗压和抗拉强度；推荐水泥∶粉煤灰∶钢渣＝1∶8∶15，质量分数Cw＝70％～72％，减水剂添加量为水泥与粉煤灰质量总和的0.5％～1.0％。应用于华泰矿业的结果表明，该技术是可行的，钢渣的利用率高达100％，充填体的抗压强度高达2.0 MPa，顶板最大下沉量仅1.207 mm，未发生地表塌陷，矿石回收率达82.37％。应用该技术可以充分回收“三下”煤炭资源，具有较高的经济效益。     

充填管道失效风险性预测精度研究

为更准确预测矿山充填管道失效风险性,建立主成分分析与改进BP神经网络相结合的评价模型。选取10项评价指标作为充填管道失效风险性的评判指标,统计10个矿山的样本数据,并运用主成分分析法对这10个样本数据进行预处理,得出主要成分,再利用改进的BP神经网络模型进行预测,最终得到更准确的管道失效风险预测结果。研究结果表明,所得到实际预测结果与期望值之间的相对误差分别为2.31%,1.68%,3.02%。预测相对误差控制在4%以内,较未经主成分分析处理的标准BP神经网络预测精度更为准确。利用主成分分析法与改进的BP神经网络相结合建立的充填管道失效评价模型具有分析速度快、预测精度高的特点,为矿山充填管道失效风险预测提供了一种更为完善的方法。