基于SSA-SVR的煤矸石路基沉降预测模型研究

为准确预测煤矸石路基逐层填筑过程中的沉降量。本文以相隔天数、累计填土厚度、此累计填土厚度的时刻等影响因子作为输入,沉降量作为输出,建立麻雀搜索算法优化支持向量机回归(Sparrow Search Algorithm-Support Vector Regression,SSA-SVR)预测模型,对湖南安邵高速公路煤矸石路基沉降量进行预测。将预测结果与粒子群算法优化支持向量机回归(Particle Swarm optimization-Support Vector Regression,PSO-SVR)、遗传算法优化支持向量机回归(Genetic Algorithm-Support Vector Regression,GA-SVR)模型进行对比。结果表明:对比于一些传统预测模型,SSA-SVR预测模型的准确率高、泛化能力强,对类似工程及其他领域具有一定的参考价值,具有广阔的应用前景。

不同角度弯管输送料浆不淤流速的研究

为了研究煤矸石充填料浆在不同角度弯管中不淤流速的变化,采用Fluent软件模拟了充填料浆在管道内的输送过程,分析了煤矸石料浆在各角度弯管中的流速特征、管道出口截面处的矸石颗粒沉降状况,由此得出了不同入口速度下料浆在不同角度弯管中的不淤流速。结果表明,料浆在75°、90°和105°弯管中的不淤流速分别为1.8 m/s、1.7 m/s和1.5 m/s,即料浆的不淤流速随弯管角度增大而减小;弯管角度越大,料浆在弯管中的阻力作用越小,则料浆流速越快,使得矸石颗粒的沉降有所缓解。