基于卷积和长短期记忆网络的地浸开采铀浓度预测研究

文章通过集成经验模态分解(Empirical Mode Decomposition,EMD)、卷积神经网络(Convolutional Neural Networks,CNN)、长短期记忆网络(Long Short-Term Memory,LSTM)、傅里叶变换,提出了一种新型地浸单元浸出液铀浓度预测方法。该方法将浸出液铀浓度监测值时间序列使用EMD进行分解,分解为趋势项、周期项和随机项。通过构建CNN+LSTM网络,并结合傅里叶变换和多项式拟合对铀浓度趋势项、周期项和随机项进行预测,3者预测之和作为铀浓度预测结果。实证结果表明:EMD能够有效分解铀浓度时间序列,模型拟合度比未进行EMD分解的模型提升超50%;基于EMD、CNN+LSTM和傅里叶变换的集成方法预测精度良好,预测的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)为0.348,与LSTM、反向传播(Back Propagation,BP)和门控循环网络(Gate Recurrent Unit,GRU)等模型相比最高提升超80%。文章提出的集成方法能够准确预测浸采单元铀浓度变化,解决了原有方法和模型无法对非线性、非平稳铀浓度序列进行准确预测的问题,从而为地浸矿山生产规划提供技术支持,并有助于提升中国铀矿山的数字化、信息化程度。

动态群体安全投入博弈模拟——以我国煤矿为例

为探究煤矿生产中的群体安全投入博弈特点,针对煤矿生产参与者面临的安全投入囚徒困境(SIPD)博弈,基于NetLogo模拟平台设计博弈模型,获取不同安全投入策略的工人群体变化、死亡情况和安全收益特征,探究不同安全环境对博弈结果的影响。研究结果表明:在低安全水平煤矿中,消极型工人(D-worker)可以利用积极型工人(C-worker)的安全投入,快速增加消极型群体规模,并攫取高达70%的安全收益,而在高安全水平煤矿中,在制裁型工人(T-worker)影响下,D-worker安全收益可被限制到20.4%。D-worker在恶劣安全环境中将成为主流,攫取最大安全收益,产生较高死亡率,并严重损害群体安全,扭转上述局面的短期方法为抑制群体消极心理,长期方法为逐步提高安全管理技术水平。研究结果可为我国煤矿安全水平提升提供安全投入策略参考。

某铜矿自然崩落法聚矿槽合理尺寸参数研究

自然崩落法聚矿槽尺寸对放矿有着重要作用。为明确国外某铜矿聚矿槽的合理尺寸参数,并探明聚矿槽尺寸对矿岩流动特性的影响规律,利用PFC3D软件构建单放矿口和多放矿口两种模型进行研究。结果表明:在放矿前期,放出体形态受聚矿槽尺寸的影响较为强烈,随着放矿高度的增加,影响逐渐减弱,直至放矿高度达到150 m后,聚矿槽尺寸对放出体形态及尺寸不产生影响;多放矿口同时放矿情况下,随着放矿高度的增大,各放矿口之间由相互独立放矿转变为相互影响的状态,相邻放出体也逐渐合并。同时,聚矿槽上口尺寸越小,矿岩流动越不均匀,放矿末期,顶部废石更易混入聚矿槽内;模拟得出聚矿槽上口尺寸15 m时有利于减小矿石的损失和贫化。

基于层次分析法和证据理论的矿山井下六大系统安全评价

为了建立合理有效的井下六大系统安全有效性评价模型,首先利用层次分析法构建六大系统多层次评价指标体系,借助标度法建立相应的比较判断矩阵并计算其单排序权重向量和组合权重向量;再利用证据理论建立评价模型,采用专家根据各子系统的完善程度及其在安全生产中发挥的作用大小进行打分,并作为证据源,结合组合权重向量得到各子系统基本信度分配函数,运用证据理论中传统证据合成规则融合各条证据,根据融合的基本信度分配函数对各子系统的安全有效性进行分级,最终得出六大系统的安全有效性级别。研究结果表明:应用该模型在某铜矿进行六大系统安全有效性评价,综合评价结果为优,与该矿山的实际情况相符,具有一定的指导意义。

基于信息融合理论的风机故障诊断

借助粗糙集理论中的动态层次聚类的连续属性离散化算法和属性约简算法,对金属矿主通风机各类特征信息在线监测的数据进行融合,去除风机故障诊断决策表中的冗余和不一致信息,分析并推导出导致风机故障各因素的内在联系,找出关键因素和非关键因素,最终提取出故障诊断规则。研究结果表明:该故障故障方法能够对金属矿主通风机故障做出快速准确的诊断,并且在某矿山的实际应用中取得了良好的效果,达到了预期的目标。

基于深度学习的黑钨矿图像识别选矿方法

黑钨矿图像识别是代替黑钨选矿手选抛废的一条高效途径,但存在无法识别黑钨矿石与围岩废石的问题。本文利用深度学习中卷积神经网络进行迁移学习来解决,该方法具有收敛快速、所需数据集小和分类准确的优点。首先,对黑钨原矿彩色图像采用旋转、平移等方法进行数据增广降低样本不平衡性。其次,基于Keras框架使用本文优化的神经网络进行全新训练。结果表明:黑钨矿石与围岩两类识别中Wu-VGG19迁移网络矿石识别率最高,为97.51%。此外,本文加入石英脉石类别继续实验,得出修改的Wu-v3迁移网络矿石识别率最高,为99.6%。

基于矿岩崩落规律的JM矿拉底方案设计

自然崩落法中拉底方向和拉底高度的设计直接影响矿山生产和安全。以塞尔维亚JM矿为工程背景,结合拉底高度和拉底推进方向与主应力的关系设计了6种拉底方案,从矿岩崩落量、初始崩落拉底面积、持续崩落拉底面积、矿岩崩落速度4个方面分析不同拉底方案下矿岩的崩落参数,确定了最优拉底方案。结果表明:当采用拉底高度为10m、推进方向垂直于最大主应力方向的方案进行拉底工程布置时,崩落效果较好,矿岩达到持续崩落后,崩落速度较为稳定,该方案下矿岩初始崩落拉底面积介于4537.5~5400m^(2)之间,持续崩落拉底面积介于16537.5~18150m^(2)之间,持续崩落速度为0.2599m/d,可满足矿山生产要求。