充填管道磨损变权-模糊风险评估模型

为准确评估充填管道磨损风险,基于变权理论、集对分析和三角模糊数理论,建立变权-模糊多维评估模型。首先建立风险评估指标体系,采用变权理论确定指标权重;利用集对分析构建评估指标的多元联系数表达式,并引入三角模糊数对差异度系数进行区间表示;然后计算综合联系数,从而得到风险评估等级;最后通过实例验证模型的有效性,并对三山岛金矿充填管道磨损风险进行评估。结果表明:三山岛金矿充填管道磨损风险等级为磨损风险一般(Ⅲ级),人工假底构筑时充填管道磨损风险最大;所建立模型评估结果与现场实际相符,并可从多维角度评估充填管道磨损风险。     

矿井水源判别的GA-SVM模型研究

作为水在岩体中流动通道的渗透结构面,微观上表现出不连续性和高度的非线性等特点,因此,矿井充水水源具有不确定性、非线性。传统水化学判别分析方法往往难以准确地描述这种复杂的非线性特征,因而对矿井水源进行准确判别尚存在一定的困难。在传统SVM(Support Vector Machine,SVM)的基础上,利用遗传算法(Genetic Algorithm,GA)对传统SVM进行优化,克服了传统SVM模型参数选取经验化的弊端,并利用该方法对开磷集团马路坪矿几种水源的6个化学样本进行训练,建立了GA-SVM模型。实例分析表明,该模型判别结果与实际情况相符合,表明该模型在矿井水源判别中具有良好的实用性和有效性。     

压缩空气对井下热环境的降温效果研究

压缩空气是矿山井下常用动力,它具有膨胀吸热的特性,因而可用于改善井下作业环境与气候条件。通过对矿井压缩空气吸热量的计算,分析了压气对井下热工作面的降温影响,并获得了压气与工作面降温效果的数学关系。还对井下采用压气降温进行了经济评价,指出了压气降温仍为我国深井局部降温的一种可供选择的好方法。     

石膏矿采空区上覆岩层冒落规律与危险性评价

为对上覆岩层冒落的危险性进行有效评价,在工程实勘的基础上,将石膏矿上覆岩层的自然冒落作为一个逐级发展的过程来处理,并根据普氏平衡拱理论对各级拱形作出2点假定,即冒落拱顶部弧线为抛物线,矿柱按θ角剥蚀。提出以临界松散系数K作为其危险性评价因子,并根据所建立的一般冒落拱模型,分别推导得到条带矿柱及间隔点柱区域关于K的计算公式。最后,将该评价因子用于工程实际,实现对邵东石膏矿采空区的危险性分级。该评价体系,即可对石膏矿地表塌陷作出有效预测,也可对石膏矿地表危险程度进行合理分级。     

基于模糊-理想点法的海下采场顶板稳定性分析

为准确评价复杂地质条件下海下采场顶板的稳定性,提出将模糊数学中的隶属度与理想点法相结合的模型。针对海下采场的特殊地质条件,综合考虑水文地质因素、工程地质因素、采场结构因素以及其他因素4个方面,选取9个评价指标。通过对指标进行隶属度化处理,由变异系数法确定指标权重,建立顶板分级模型。最后,根据三山岛金矿5个采场现场调查以及室内试验获得的指标数据,应用该模型对顶板稳定级别进行评判。结果表明,该模型的评判等级结果与工程实际相符,从而验证模型可用于海下采场顶板的稳定性分析。     

海基硬岩矿床的安全开采技术研究

给出海基硬岩矿床开采的概念,分析海基硬岩矿床开采与一般陆地矿床开采的不同之处;综述世界范围内海基硬岩矿床开采所使用的开拓方法与采矿方法,通过对海基矿床上覆岩层的完整性掌握、矿床埋深、防水岩柱厚度的分析研究了海基硬岩矿床开采的可行性。结合我国三山岛海底金矿的开采经验,研究开采过程中的工程灾害及灾害的产生机理;提出要通过加强海底矿床上覆岩层的地质勘察、合理留设防水岩柱、加强岩层移动监控、渗水点的定时监测、作好充填接顶等措施来防止海水溃井,同时也对井内防治水害、长距离矿井通风等问题给出了治理措施。     

民窿空区群级联失稳评价

民窿空区群已构成了许多矿山安全生产的极大隐患。针对民窿空区群的特点，运用重整化群方法，从整体的角度对民窿空区群系统的稳定性问题进行了研究，得到了空区群变尺度级联失稳迭代函数。给出了判别空区群系统整体失稳的临界概率，将空区群系统失稳的复杂判别转化为单元失稳概率与临界概率大小的比较问题，同时给出了计算实例，以供参考。所建立的方法可以为大规模民窿空区群范围内的工程施工以及民窿所在矿山空区群整体稳定性评价提供参考，同时也为认识一般空区群系统的失稳机理开辟了一条新的途径。     

基于数量化理论Ⅱ的地下矿山矿柱稳定性判别

矿柱是地下矿山支撑顶板围岩、维持采场稳定的关键结构要素。为迅速准确地判别矿柱稳定性,采用数量化理论II(QTII)建立了地下矿山矿柱稳定性判别模型。选取矿柱宽度、矿柱高度、矿柱宽高比、矿岩单轴抗压强度和矿柱承受载荷作为评价指标,以40组样本数据进行训练,得到了相应的判别系数矩阵,确定了各类样本在5维空间中的中心点和各样本点。利用该模型对训练样本进行回判,判别结果完全正确。用10组样本数据对该判别模型进行检验,结果表明,该模型能较好地判别预测矿柱的稳定性,可以作为一种矿柱稳定性判别工具在工程实践中应用。     

基于高斯过程机器学习算法的矿柱稳定性分析

矿柱是地下矿山支撑顶板围岩、维持采场稳定的关键结构要素。为迅速准确地判别矿柱稳定性,选取矿柱宽度、矿柱高度、矿柱宽高比、矿岩单轴抗压强度和矿柱承受载荷作为影响指标,利用高斯过程机器学习算法建立矿柱状态与其主要影响因素之间的非线性映射关系,进而提出一种基于高斯过程二元分类(GPC)的矿柱状态识别模型。结合工程实例,以40组样本数据进行训练,以10组样本数据对该模型进行检验,并与ANN和SVM进行对比。结果表明,矿柱状态识别的高斯过程模型是科学可行的,该模型具有参数自适应化获取、分类精度高、计算复杂度低等优点,还可对矿柱状态判别结果的不确定性或可信度进行定量化评价。