膨胀性软破岩层深竖井施工分级支护研究

境外某铜金矿千米深竖井在通过膨胀性软破岩层(泥灰岩)时,围岩遇水膨胀压力极大,先后出现两次井壁垮塌和开裂的情况,对施工进度及施工人员安全产生极大影响。为解决该问题,查找相关文献资料及国内外类似施工案例,对通过膨胀性软破岩层的井壁破裂机理进行分析,针对性地制定井壁破裂修复方案;在此基础上,进一步调查施工地点的工程地质和水文地质情况,通过分析与总结,提出深竖井不良岩层的施工及分级支护方案,对其所穿过的膨胀性软破岩层的围岩制定分级表,根据不同岩体等级分别提出相应的施工及具体支护方案。通过对两次破裂处井壁的修复,较长时间内未出现裂缝及漏水现象,修复效果良好,达到预期;此外,竖井井筒后续施工中在采用分级支护方案后,井筒顺利通过厚度超过500 m的不良岩层,且在工期、质量、安全三个方面都取得良好效果,保障该深竖井工程的施工质量与施工安全。该工程为膨胀性软破岩层中的深竖井掘进施工积累了宝贵经验,对类似工程具有一定的借鉴意义。

地下矿山电子雷管应用存在的问题及应对措施

电子雷管具有延时范围广、延时精度高、可靠性高、安全性能优越等优点,现已被用于许多领域,但在地下矿山由于拒爆问题等原因,一直没有得到规模化应用。通过现场试验,分析了地下矿山电子雷管拒爆的原因,并提出了几点建议,认为选用高质量、高可靠性的电子雷管,在运输及装药过程中尽可能避免管体、脚线及线卡子泡水,起爆距离较长时在爆破点附近安全位置放置1台起爆器作为中继器,可以有效防止电子雷管拒爆。

用于研究纤维尾砂胶结充填材料单轴压缩性能的新型人工智能模型

为降低纤维尾砂胶结充填材料单轴压缩强度数据的获取难度,综合分析常规充填材料参数与纤维参数对其单轴压缩性能的影响,结合元启发式算法(樽海鞘算法, SSA)与极限学习机技术(ELM),提出一种新型人工智能模型(SSA-ELM)。为检验模型可靠性,开展720组不同灰砂质量比、固体质量浓度、纤维含量、纤维长度和养护时间的纤维尾砂胶结充填材料单轴抗压实验以建立充填材料强度性能数据库。研究结果表明,训练好的SSA-ELM模型能够准确地预测纤维尾砂胶结充填材料的单轴压缩强度,其性能优于ANN、SVR和ELM方法;纤维含量和纤维长度对纤维尾砂胶结充填材料单轴压缩性能具有重要影响。