露天矿卡车外排土场内部运距预测模型

为有效提高外排土场物料移运规划中运输功能耗模型的精度,以建立更为详细的排弃物料堆置次序优化、规划模型,针对年末排土计划中尚缺乏逐条带运距推估方法的问题展开研究,提出一种采用极限学习机算法(ELM)训练多元非线性运距曲线的预测模型,并将年末排土工程计划位置上已设计运输线路的排土条带作为训练样本,训练预测模型学习运距与影响因子间的时变特征,最终通过非线性运距表达推估待排物料块体的时变运距。为进一步增强ELM算法的预测精度,利用改进粒子群算法建立基于结构风险最小化的参数优化算法,改善了传统经验风险最小化算法的泛化能力,提高了算法预测精度。研究结果表明:采用模拟试算图解法最终确定ELM模型隐含层节点数为27;仿真测试中得出文中算法预测精度评价指标分别为均方误差0.006 8、拟合优度0.995 3、相对误差期望0.027%、绝对误差期望0.62、错估系数0.03、执行效率1.49s;对比多组智能算法预测模型,其绝对误差分别0.116 2、0.094 7、0.139 1,其错估系数分别为0.230、0.200、0.266,算法明显具有更好的预测效果。     

基于改进遗传算法的露天矿运输路径优化

为克服露天矿以等效运距为权重进行路径优化的现实不可行性,建立以时变运输功最小化为优化目标的路径优化模型,用以描述道路网络的随机波动性。首先建立了时变运输功计算模型,并进一步提出基于随机过程的最优化概率模型;最后从改造遗传算法入手,进一步提高解的收敛速度。实验结果显示,较之传统的静态路径规划算法,文中算法不仅能快速获得低能耗的最优化路径,而且能大幅度的提高解的收敛速度,进一步压缩整个运输系统实际工程中的费用成本。算法在实际调度过程中具有更高效的优化效果。     

露天矿行车事故预测方法及应用

为有效解决露天矿山行车事故预测模型建模时,易受小样本数据、离群数据规模影响,导致模型精度损失、算法抗噪容差能力及收敛速度下降等问题,提出一种基于二次惩罚项修正(PTS)的改进支持向量回归机模型(WLSSVR)。根据训练样本的数据分布特性,研究了服从露天矿山现实应用场景的二次惩罚项,进一步提高回归机模型的抗噪容差能力;考虑非线性预测模型影响因子选择困难的问题,研究了数据降维及因子分析方法,并将主成分分析方法引入到输入数据预处理算法中,以保证算法可得到理想的输入;针对传统回归机模型易受核参数选择影响,易导致模型早熟和收敛速度慢等问题,研究了粒子群惯性因子、学习因子的自适应迭代形式,提出了一种应用改进粒子群算法优化回归机模型核参数的方法。以露天矿行车事故频次预测为例,进行了预测和对比实验。实验结果表明:引入PTS模型的测试集预测结果明显优于不采用PTS策略的预测结果。这说明,应用文中提出的二次惩罚策略和参数优化算法对复杂系统的事故预测问题研究是可行且有效的。     

多排土场间土岩物料流向流量动态规划模型

为进一步优化露天矿山排土场土岩堆置结构,降低排土运输成本,针对现阶段尚未有效解决的多排土场间物料堆置问题展开研究,提出一种面向多排土场的、考虑其内部自身发展建设的物料块体堆置次序优化算法。首先以阶段间物料流运输功最小化为目标函数建模,将排土场设计参数、空间形态以及位置关系作为约束条件,构建堆置次序规划模型;然后以排土程序设计为基本空间约束构建先验条件,提出一种多排土场间决策阶段动态生成算法;最后采用0 1整数规划对整个规划问题进行阶段性求解,得出多排土场内块体模型的最优化堆置次序,并给出排土场内部详细的土岩流向流量规划方案。针对神华新疆黑山露天煤矿随着开采深度加大、卡车排土场运距过大等现实排土运输问题,以运输功最小化为优化目标,运用所提出的算法对该矿排土场内部堆置结构进行了优化。确定了该矿未来11年南、北两外排土场内部结构最优的堆置方案;相比原设计有效的控制了运输能耗,可节省该矿每年1~2亿元的排土运输成本。