基于分形理论和BP神经网络的充填料性能研究

摘要：

为研究全尾砂粒径级配特征对充填料性能的影响,提出以分维数和分维数相关系数表征全尾砂的几何特征,并选取灰砂配比、料浆浓度、分维数和分维数相关系数作为BP神经网络输入因子,抗压强度、坍落度和泌水率作为输出因子,建立了充填性能预测的分形—BP神经网络模型.对7个矿山实测数据展开分维数和分维数相关系数计算,并采用BP神经网络进行训练和预测.结果表明:(1)尾砂越细,则粒径级配分维数越大,孔隙分维数就越小,且全尾砂的分维数稍大于分级尾砂的分维数;(2)全尾砂的相关系数在0.71~0.97之间,较分级尾砂离散;(3)分形—BP神经网络模型对充填料性能指标预测的相对误差在8%以内.综上可知:分形理论—BP神经网络相结合的充填性能预测模型具有较好的精度,为充填料性能预测提供了一种新途径.

关键词：粒径级配、分维数、神经网络、充填料性能

所属期刊栏目：25

分类号：TD853.34(矿山开采)

资助基金：国家自然科学基金项目"金属矿海底基岩开采裂隙分形演化与突水混沌孕育机制"51674288

在线出版日期：2017-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：38-44