尾砂分形级配与胶结强度的知识库研究.pdfVIP

维普资讯 第24卷 第 l0期 岩石力学与工程学报 、，o1．24 No．10 2005年 5月 ChineseJournalofRockMechanicsandEngine g M ay，2005 尾砂分形级配与胶结强度的知识库研究 刘志祥，李夕兵 (中南大学 资源与安全工程学院，湖南 长沙 410083) 摘要：采用分形理论研究了尾砂材料的级配。分析了国内外大量矿山的尾砂材料分形级配与强度试验数据，用神 经网络建立了尾砂胶结强度与水泥含量、浓度、孑L隙分形维数及分形维数相关率的知识库模型。考虑神经网络在 训练大规模样品时易陷入局部极小，用梯度下降法与混沌优化方法相结合，使神经网络实现快速训练的同时，避 免陷入局部极小。研究结果表明：尾砂孑L隙分形维数减小，尾砂胶结强度增高：分维形数相关率越好，尾砂胶结 强度越高。孔隙分形维数和分形维数相关率反映了尾砂粒度分布的整体信息，可用来判断尾砂级配的合理性。应 用知识库模型可 以根据尾砂的级配特性，预测不同水泥含量、不同浓度下的尾砂胶结充填体强度，指导矿山充填 设计 。 关键词：采矿工程；尾砂级配；分形维数；神经网络；知识库 中图分类号：TD853．34 文献标识码：A 文章编号：1000—6915(2005)10—1789—05 STUDY oN FRACTALGRADATIoN oFTAILINGSAND KNoW LEDGE BANK oFITSCEMENTING STRENGTH LIUZhi-xiang，LIXi-bing (CollegeofResourcesandSafetyEngineering，CentralSouthUniversity，Changsha410083，China) Abstract： Characterisficsoftailingsgradationarestudiedbyusingffactaltheory．Experimentaldataabouthte fractalgradationsoftailingsmaterialandhteircementing strenght from alotofminesareanalyzed．Neural networkisusedtoestablishthemodelofknowledgebankwhichembodiestherelationsbetweenstrengthsof cementedtailingsandcontentofcement，consistence，rfactaldimensionofporosityandcorrelationcoefficientof fractaldimension．Combininggradingmethodwiht chaoticoptimi zmion，theneuralnetworkmodelachievesrapid trainingandavoidslocalminimum whenhterearealotofsamplestobetrained．Researchresultsshow thathte srtengthsofcementedtailingsincreasewiththedecreaseofrfactaldimensionofporosityandwiththeincreaseof hte correlation coefficients ofrfactaldimension．Because rfactaldimension ofporosity and itscorrelation coeffi cientembodythe globaldistribution information oftailinggranule，theycan beu