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.     

某矿山最佳充填站站址方案选择

 充填站站址是一个充填矿山的咽喉工程,其合理与否是一个新建充填系统的关键。为解决充填站站址方案优化选择问题,本文通过现场调研、资料分析、专家咨询等方式,综合考虑经济、技术、环境、安全等因素,建立了充填站站址方案综合评判指标体系,进而运用层次分析法(AHP)、熵值法(EM)和逼近理想解的排序法(TOPSIS)的基本理论对充填站站址方案进行综合评判,从而确定最优充填站站址方案。评判过程中,为均衡主观、客观因素对各评判指标权重的影响,运用层次分析法确定各评判指标的主观权重,结合熵权法计算得到的客观权重,得到均衡主观、客观因素影响的均衡权重,进而结合逼近理想解的排序法的基本原理建立AHP&EM-TOPSIS综合评判模型,计算得到各充填站站址方案基于评判指标的综合优越度,从而确定各充填站站址方案的优劣。将该方法应用于某矿山实例中,依据该矿山实际条件,拟定3种待选充填站站址方案,建立充填站站址综合评价指标体系,进而运用AHP&EM-TOPSIS综合评判模型对各充填站站址方案进行评判,得出拟选择3种充填站站址方案的综合优越度分别为:71.2%, 46.4%,56.3%,从而确定第1种方案最优。经该矿山实践表明,本文方法所确定的充填站站址方案在生产过程中取得了良好的经济、社会效益。     

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。     

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。     

驻留矿体最佳开采方案研究

为解决驻留矿体开采技术难题,建立了开采方案综合评判指标体系,运用熵权法、层次分析法及密切值法基本理论对开采方案进行了综合评判选择,从而确定驻留矿体最佳开采方案。评判过程中,采用二元比较法将影响采矿方案的定性指标相对定量化,建立综合评判定量指标体系;运用优化的熵权法与层次分析法相结合的方式求得均衡权重,进而通过密切值法计算各采矿方案的密切值,以确定开采方案的优劣。将该方法应用于姑山铁矿驻留矿体回采方案的优化选择中,得出3种采矿方案的密切值分别为0、3.8、5.1,从而确定第一种方案为最优方案。经生产实践证实,该方法确定的采矿方案取得了良好的经济效益。     

基于GA-SVM模型预测减水剂对充填体强度的影响

 改善充填料浆的工作性能、提高充填体的强度和密实性是矿山充填法的研究方向之一。充填配比实验表明, 在充填材料的制备过程中加入适量的高效减水剂可以提高充填体的抗压强度。为得到经济、高效的减水剂添加参数, 以萘系、氨基、木钙和脂肪族4 种减水剂结合新型充填胶凝材料, 应用某矿山的全尾砂进行配比实验, 建立GA-SVM 预测模型进行优化选择。在优选过程中, 以4 种减水剂的添加量作为输入因子, 以充填体28 d 龄期单轴抗压强度作为综合输出因子, 根据室内试验, 建立训练、验证样本集;建立支持向量机(SVM)回归预测模型, 通过遗传算法(GA)对SVM 模型参数进行优化选择, 当4 种减水剂组合添加的质量分数依次为0、0.35%、0.30%、0.60%, 抗压强度预测值为4.20 MPa。与实验对比, 该模型预测结果的相对误差能控制在1%以下, 精确度较高, 为减水剂添加参数的优选提供了一种新思路。     

充填钻孔寿命SVM优化预测模型研究

基于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,对矿山充填钻孔使用寿命进行预测十分重要,建立支持向量机(SVM)回归预测模型,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模型对预测集进行预测。以某矿为例,通过GA得到SVM模型最优参数:适应值(均方误差)为0.011 1,惩罚系数C为47.076 8,核函数参数σ为2.263 8。采用优化的SVM模型对预测集充填钻孔寿命进行预测,预测结果的最大预测相对误差为8.6%,平均相对误差为5.2%。对比BP神经网络(最大相对误差为13.6%),优化的SVM模型预测结果更加理想,精度更高。     

超细全尾砂絮凝沉降参数优化模型

 为了得到最优的絮凝沉降参数,以絮凝沉降正交试验数据为训练样本和检验样本建立BP 神经网络预测模型。絮凝剂单耗、料浆浓度及絮凝剂浓度作为输入因子,沉降速度和极限浓度作为输出因子。对比隐含层节点数对模型训练过程及预测精度的影响,选取最佳预测模型节点数为9。将絮凝沉降参数细化输入到预测模型中,从而搜索出优选样本,优选参数絮凝剂单耗为4.5 g/t,絮凝剂浓度为0.11%,料浆浓度为15%。经实验对比,该模型对絮凝沉降参数预测结果的相对误差能控制在5%左右,精确度较高,可以作为絮凝沉降参数优选的一种新思路。     

高浓度超细全尾砂充填料浆管道输送阻力模型

 为准确计算某矿山高浓度超细全尾砂充填料浆管道输送阻力损失,在固-液两相流理论的基础上,综合全尾砂充填料浆管道输送阻力影响因素,通过因次分析法构建高浓度超细全尾砂充填料浆管道输送阻力模型。运用计算流体动力学方法（CFD）研究充填料浆体积浓度、流速、管道直径、固体混合料密度等因素对管道输送阻力的影响,得到360 组管道阻力损失值;采用最小二乘法回归计算管道输送阻力模型系数,并抽取4 组常用工况点对计算模型进行误差分析,根据回归系数显著性检验方法,得到各因素的影响程度关系。计算模型结果与泵送环管实验的误差在5%左右,能满足本矿山充填系统设计需要。