湖南科技大学学报（自然科学版）
湖南科技大學學報（自然科學版）
호남과기대학학보（자연과학판）
JOURNAL OF HUNAN UNIVERSITY OF SCIENCE & TECHNOLOGY（NATURAL SCIENCE EDITION）
2012年
2期
7-12
,共6页
充填体强度%知识库模型%遗传算法%神经网络
充填體彊度%知識庫模型%遺傳算法%神經網絡
충전체강도%지식고모형%유전산법%신경망락
综合分析了国内外充填矿山的工程实践资料,并用分形维数来表征充填材料的级配特性,将矿体埋藏深度、矿体长度、矿体厚度、充填体暴露高度、充填体暴露面积及充填材料分形维数6个因素作为输入,充填体设计强度作为输出,建立了充填体强度设计的神经网络知识库模型.为了避免神经网络易陷入局部极小以及收敛速度慢等缺陷,采用遗传算法对神经网络进行优化,提高了神经网络学习效率.通过对知识库模型进行检验,发现其具有很高的计算精度.研究表明,随着开采深度的增大,充填体设计强度必须随之增大;充填体侧向暴露面积越大,所要求的充填体强度越高.将该模型应用于三山岛金矿,设计了合理的充填体强度.
綜閤分析瞭國內外充填礦山的工程實踐資料,併用分形維數來錶徵充填材料的級配特性,將礦體埋藏深度、礦體長度、礦體厚度、充填體暴露高度、充填體暴露麵積及充填材料分形維數6箇因素作為輸入,充填體設計彊度作為輸齣,建立瞭充填體彊度設計的神經網絡知識庫模型.為瞭避免神經網絡易陷入跼部極小以及收斂速度慢等缺陷,採用遺傳算法對神經網絡進行優化,提高瞭神經網絡學習效率.通過對知識庫模型進行檢驗,髮現其具有很高的計算精度.研究錶明,隨著開採深度的增大,充填體設計彊度必鬚隨之增大;充填體側嚮暴露麵積越大,所要求的充填體彊度越高.將該模型應用于三山島金礦,設計瞭閤理的充填體彊度.
종합분석료국내외충전광산적공정실천자료,병용분형유수래표정충전재료적급배특성,장광체매장심도、광체장도、광체후도、충전체폭로고도、충전체폭로면적급충전재료분형유수6개인소작위수입,충전체설계강도작위수출,건립료충전체강도설계적신경망락지식고모형.위료피면신경망락역함입국부겁소이급수렴속도만등결함,채용유전산법대신경망락진행우화,제고료신경망락학습효솔.통과대지식고모형진행검험,발현기구유흔고적계산정도.연구표명,수착개채심도적증대,충전체설계강도필수수지증대;충전체측향폭로면적월대,소요구적충전체강도월고.장해모형응용우삼산도금광,설계료합리적충전체강도.
