基于机器学习的煤巷围岩稳定性预测与应用

煤巷围岩稳定性分类对指导现场岩体工程设计、施工、管理具有重要的理论和工程实际意义。本文选取了影响煤巷围岩稳定性的7个关键指标,采用现场案例、调查问卷和文献计量等方法收集样本并建立了围岩稳定性分类数据库,基于6种机器学习方法分别建立了煤巷围岩稳定性分类预测模型。经模型计算得出,神经网络和改进的支持向量机模型具有较高的预测准确性。将模型应用于霍州矿区实际工程,结果表明,神经网络和改进的支持向量机方法预测精度高、可靠性好。

岩石巷道爆破效果预测及应用效果实践研究

为更准确地预测岩石巷道的爆破效果,以提高爆破效率和降低生产成本,基于随机森林方法确定了影响爆破效果的6个关键因素:总装药量、断面面积、炮眼深度、掏槽眼装药量、辅助眼装药量、周边眼装药量,构建基于网格搜索法-支持向量机回归预测模型,以平均绝对误差和相关系数为评价指标,预测炸药单耗。建立了径向基核函数、多项式核函数和线性核函数三种核函数的支持向量机模型,并采用随机森林回归算法作为对照组。结果表明,SVR-Rbf组表现最好,在数据库和顾北煤矿实际案例的预测中相关系数均达到0.95左右,平均绝对误差也至少比其他组小一倍左右,并将最优模型应用于顾北矿岩石巷道爆破炸药单耗预测,效果良好,表明建立的Grid Search CV-SVM预测模型是预测岩石巷道爆破效果有效方法。

石禄铁矿扇形中深孔爆破块度分布特征研究

为优化扇形中深孔爆破块度分布,进行9次扇形孔爆破现场试验,采用数字图像处理软件Split-Desk 4.0对爆堆进行图像处理,通过线性拟合得到爆破块度分布预测模型,并计算对应爆堆的分形维数。试验结果表明:微差爆破有利于控制大块率,对扇形孔孔口进行间隔装药,有利于降低中深孔爆破粉矿率。数值模拟结果显示,孔底有效峰值应力<中间有效峰值应力<孔口有效峰值应力,容易在孔底产生大块,孔口产生粉矿。通过调整中深孔爆破合理孔间延期时间、扇形孔孔口装药结构,对中深孔爆破块度分布进行有效控制,有利于提高石禄铁矿的生产效率,间接提高石禄井下铁矿经济效益。