基于RSM-BBD的废石-风砂胶结体配合比与强度试验研究

充填料浆配合比的选择直接决定了充填体的强度及运行成本。根据两种骨料混合堆积密实度试验,得到废石风砂最优配比。利用Design-Expert软件中的Box-Behnken中心组合试验设计及响应面法(RSM)研究了料浆质量分数、水泥用量和骨料配比对充填体不同龄期内无侧限抗压强度的影响规律,建立了以粗骨料胶结体3,7,28 d强度为响应值的三元二次回归模型,并对该模型的适用性进行了验证。试验结果表明,充填体强度不仅受单一因素影响,而且两因素之间的交互作用对强度影响显著。由模型的响应曲面可知,质量分数与骨料配比的交互作用对充填体早期强度影响显著,水泥用量与骨料配比的交互作用对充填体中期强度影响显著,质量分数与水泥用量的交互作用对充填体后期强度显著。通过回归模型及建立的充填材料成本函数,优选出一组料浆配合比,经现场试验满足生产要求。     

煤与瓦斯突出危险性预测的SaS-PNN模型及应用

煤与瓦斯突出是一种复杂的非线性动力学过程,其机理复杂、影响因素众多。单一的评价指标无法准确描述煤与瓦斯突出危险性。为了探讨煤矿开采过程中煤与瓦斯突出危险性具体等级情况,综合考虑煤与瓦斯突出发生的地应力、瓦斯和煤的物理力学性质等条件。选取开采深度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及地质破坏程度作为煤与瓦斯突出危险性预测的评价指标。但煤与瓦斯突出评价指标之间或多或少存在一定的相关性,其评价指标中存在一些服从非高斯分布的指标。很难满足概率神经网络（PNN）样本层中采用高斯分布作径向基函数的要求。鉴于此,提出一种对称Alpha稳定分布（SaS）。SaS有更广泛的数学表达,其径向对称特性可充当PNN样本层中的高斯分布。在SaS的基础上,建立煤与瓦斯突出危险性预测的SaS-PNN模型。将SaS-PNN模型应用于国内26个典型矿井的煤与瓦斯突出危险性等级预测,预测结果表明：SaS-PNN模型具有良好的预测效果,其误判率为7.69%。为煤矿开采中煤与瓦斯突出危险性预测提供了一种新思路。     

DHNN模型在岩爆烈度分级预测中的应用研究

针对现有岩爆预测方法权重的确定带有随意性和主观性问题,提出了一种岩爆烈度分级预测的离散Hopfield神经网络(DHNN)模型。该模型选取应力系数、岩石脆性系数及弹性能量指数作为评价指标,将岩爆等级分为强岩爆、中等岩爆、弱岩爆及无岩爆4级,然后进行编码,不需要对样本数据进行归一化处理,只需转换成"1"和"-1"的二值型模式,编码简单,网络迭代次数少,具有很好的联想记忆功能,使岩爆烈度分级预测更加科学合理,可为深部地下工程岩爆烈度分级预测提供一种新途径。典型岩爆工程实例预测结果证明了该模型的正确性。     

自组织特征映射神经网络在岩爆分级预测中的应用

岩爆是地下工程一种常见的动力灾害。为了提高岩爆预测精度和探究岩爆参数之间的潜在关系,本文借签一种自组织特征映射神经网络(SOFM),构建了岩爆烈度分级预测的无监督学习模型。结合国内外岩爆判据,选取围岩最大切应力、单轴抗压强度、单轴抗拉强度、应力系数、脆性系数及弹性能量指数6个参数作为评价指标。将46个典型的岩爆案例输入到竞争层为2×2拓扑结构的SOFM模型中进行训练。结果表明:SOFM模型具有可靠的聚类能力,其正判率为90%;与现有的有监督学习模型进行了比较,验证了本文建立的SOFM模型的优越性;最后,对SOFM聚类结果分析发现,脆性系数对轻微、中等及强岩爆的影响权重均较大,选取的6个评价指标对强岩爆和中等岩爆区分并不明显。     

煤与瓦斯突出危险性预测的SαS-PNN模型及应用

较高精度的煤与瓦斯突出预测是煤矿安全生产的必要前提和保证.为了实现对煤与瓦斯突出危险性快速、准确和动态预测,考虑煤与瓦斯突出多种影响因素.提出一种改进的概率神经网络(PNN)煤与瓦斯突出预测模型.首先,引进一种对称Alpha稳定分布(SαS),SαS有更广泛的数学表达,其径向对称特性可充当PNN样本层中的高斯分布.在SαS的基础上,建立煤与瓦斯突出危险性预测的SαS-PNN模型.将SαS-PNN模型应用于国内26个典型矿井的煤与瓦斯突出危险性等级预测.预测结果表明:在3种不同的训练和测试下SαS-PNN模型仍具有良好的预测效果,其误判率分别为7.69%、11.54%和15.38%.说明该模型可为煤矿开采中煤与瓦斯突出危险性预测提供了一种可能的思路.     

一种冲击地压危险性等级多参量辨识模型及应用

为了实现对冲击地压危险性等级快速、高效和准确预测,需要考虑冲击地压危险性多种影响因素,但影响因素间或多或少存在一定的相关性,从而导致参量信息重叠。提出一种主成分分析法(PCA)对冲击地压危险性相关指标数据进行降维处理,提取3个新指标对冲击地压危险性等级进行总体评价。在PCA的基础上,借鉴距离判别分析法(DDA),建立冲击地压危险性等级评价的PCA-DDA模型,将PCA-DDA模型应用于重庆砚石台煤矿冲击地压危险性等级评价。预测结果表明:在6种不同的训练和测试样本数下PCA-DDA模型仍具有良好的预测效果,其误判率分别为5.71%,5.71%,5.71%,5.71%,5.71%和8.57%;同时验证了PCA对冲击地压危险性评价结果。该模型可为矿山开采中冲击地压危险性等级评价提供借鉴,可在实际工程中推广应用。