一种采矿用充填胶凝材料配比决策方法

摘要

本发明公开了一种采矿用新型充填胶凝材料配比决策方法，涉及矿山开采技术领域，采用均匀设计试验法和正交试验，得到充填体强度随胶凝剂的配比变化的正交试验数据；采用人工神经网络模型对有限次的正交试验数据进行信息外延；最后采用统计回归和参数拟合方法，建立胶凝材料配比与充填体强度的函数关系，以充填体强度为优化目标，以胶凝剂材料的取值范围为约束条件，建立胶凝材料配比优化模型；通过求解优化模型，获得胶凝材料最优配比方案。该决策方法能够利用有限次的试验数据，快速、准确地获得满足充填体强度需求的胶凝材料的最优配比。

权利要求

1.一种采矿用胶凝材料配比决策方法，其特征在于，所述方法包括以下步骤：（1）对固体废物进行物化特性和颗粒级配的分析与测试；根据测试结果，结合充填矿山所在地区可以利用的工业废渣，选择胶凝材料的原料种类；

（2）根据所述胶凝材料的原料种类，采用均匀设计试验法，进行胶凝材料的配比的多因素和多水平的充填体强度的探索性试验；

（3）根据均匀设计试验的充填体强度试验结果，选择多组强度最高的充填体对应的胶凝材料的种类与配比；

（4）根据步骤（3）中多组胶凝材料的配比，进行正交试验，得到充填体强度随胶凝剂的配比变化的正交试验数据；

（5）以所述正交试验数据为学习样本，建立胶凝材料的配比的人工神经网络模型，对学习样本进行学习和训练，并通过对训练参数的调整，使神经网络模型的预测误差达到允许的精度；

（6）利用已经训练好的人工神经网络模型，进行胶凝材料不同配比的充填体强度预测，从而对有限次的正交试验数据进行信息外延，获得满足数理统计需要的试验样本；

（7）利用正交试验数据和人工神经网络模型的外延信息，采用统计回归和参数拟合的方法，建立胶凝材料的配比与充填体强度的函数关系，以充填体强度为优化目标，以胶凝剂材料的取值范围为约束条件，建立胶凝材料的配比的优化模型；

（8）求解上述优化模型，获得胶凝材料的最优配比方案。

说明书

一种采矿用充填胶凝材料配比决策方法

技术领域

[0001] 一种采矿用胶凝材料的配比的决策方法，具体涉及一种由工业废渣制备的采矿用胶凝材料的配比的决策方法。

背景技术

[0002] 工业生产和资源开发伴随大量的工业废渣和固体废物的排放。工业废渣与固体废物大量堆放，不仅占用大量土地，而且对环境造成了污染。

[0003] 近年来，主要用于有色金属矿床开采的充填采矿法，目前已经在铁矿山得到越来越多的应用，也是未来资源开发的必由之路。充填法采矿主要涉及充填骨料和胶凝材料的选择、材料配比以及料浆制备。目前充填法采矿主要采用水泥作为胶凝材料，其成本占采矿成本的1/2~1/3。当利用全尾砂或废石作充填料时，水泥胶凝材料所占采矿成本的比例会更高。采用工业废渣制备胶凝材料，在采矿过程中代替水泥，可大大降低采矿成本。由此可见，利用固体废物作充填料，利用工业废渣制备胶凝剂，不仅可以降低充填采矿成本，同时，废物和废渣被填埋于井下，避免了其堆放对环境造成的污染。

[0004] 由于开采地的固体废物和工业废渣种类不同，为保证获得的充填体的强度能满足矿山开采的需要，在开采之前需要进行大量的实验来确定胶凝材料的配比，此过程耗费时间长，效率低。

发明内容

[0005] 本发明提供了一种采矿用胶凝材料的配比的决策方法，能够经过有限次的试验，快速、准确的获得满足充填体强度需求的胶凝材料的配比。

[0006] 上述目的是通过下述方案实现的：

[0007] 一种采矿用胶凝材料配比决策方法，其特征在于，所述方法包括以下步骤：

[0008] （1）对固体废物进行物化特性和颗粒级配的分析与测试；根据测试结果，结合充填矿山所在地区可以利用的工业废渣，选择胶凝材料种类；

[0009] （2）根据上述胶凝材料种类，采用均匀设计试验法，进行胶凝材料的配比的多因素和多水平的充填体强度的探索性试验；

[0010] （3）根据均匀设计试验的充填体强度试验结果，选择若干组强度最高的充填体对应的胶凝材料的种类与配比；

[0011] （4）根据步骤（3）中若干组胶凝材料的配比，进行正交试验，得到充填体强度随胶凝剂的配比变化的正交试验数据；

[0012] （5）以上述正交试验数据为学习样本，建立胶凝材料的配比的人工神经网络模型，对学习样本进行学习和训练，并通过对训练参数的调整，使神经网络模型的预测误差达到允许的精度；

[0013] （6）利用已经训练好的人工神经网络模型，进行胶凝材料不同配比的充填体强度预测，从而对有限次的正交试验数据进行信息外延，获得满足数理统计需要的试验样本；

[0014] （7）利用正交试验数据和人工神经网络模型的外延信息，采用统计回归和参数拟合的方法，建立胶凝材料的配比与充填体强度的函数关系，以充填体强度为优化目标，以胶凝剂材料的取值范围为约束条件，建立胶凝材料的配比的优化模型；

[0015] （8）求解上述优化模型，获得胶凝材料的最优配比方案。

[0016] 使用本发明提供的决策方法能够在较短的时间确定填充用胶凝材料的配比，所获得的充填体的强度能够满足矿山开采的需要，实现了工业废渣和废物的再利用，工作量小、效率高。

附图说明

[0017] 图1为实施例1的人工神经网络训练误差过程图。

[0018] 图2为实施例2的人工神经网络训练误差过程图。

具体实施方式

[0019] 一种采矿用胶凝材料配比决策方法，其特征在于，所述方法包括以下步骤：

[0020] （1）对固体废物进行物化特性和颗粒级配的分析与测试；根据测试结果，结合充填矿山所在地区可以利用的工业废渣，选择胶凝材料种类。

[0021] 不同地区的工业发展类型不同，可以利用的工业废渣种类也不同，结合工业废渣的种类，选择胶凝材料的种类。通常，胶凝材料的原料为三种或三种以上。

[0022] （2）根据胶凝材料原料，采用均匀设计试验法，进行胶凝材料的配比的多因素和多水平的充填体强度的探索性试验。

[0023] 经过均匀设计试验，可以获得在一个较宽的胶凝材料的配比范围内，随着胶凝材料的配比的变化，充填体强度的变化。

[0024] （3）根据均匀设计试验的充填体强度试验结果，选择多组强度最高的充填体对应的胶凝材料的种类与配比。

[0025] 此步骤可缩小胶凝材料的种类和配比的观察范围，在后续的试验中，实现以更少的试验次数，获得较优的胶凝材料的配比方案。

[0026] （4）根据步骤（3）中若干组胶凝材料的配比，进行正交试验，得到充填体强度随胶凝剂的配比变化的正交试验数据。

[0027] 正交试验的水平数即为步骤（3）中选择的胶凝材料的配比的组数。

[0028] （5）以上述正交试验数据为学习样本，建立胶凝材料的配比的人工神经网络模型，对学习样本进行学习和训练，并通过对训练参数的调整，使神经网络模型的预测误差达到允许的精度。

[0029] （6）利用已经训练好的人工神经网络模型，进行胶凝材料不同配比的充填体强度预测，从而对有限次的正交试验数据进行信息外延，获得满足数理统计需要的试验样本。

[0030] （7）利用正交试验数据和人工神经网络模型的外延信息，采用统计回归和参数拟合的方法，建立胶凝材料的配比与充填体强度的函数关系，以充填体强度为优化目标，以胶凝剂材料的配比的取值范围为约束条件，建立胶凝材料的配比的优化模型。

[0031] （8）求解上述优化模型，获得胶凝材料的最优配比方案。

[0032] 根据上述的凝胶材料的最优配比方案，可进行胶凝材料的配比的验证试验。

[0033] 下面结合具体实施例对本发明进行说明。

[0034] 实施例1 司家营铁矿采矿用胶凝材料配比决策

[0035] 司家营矿区地处冀东平原，不仅尾矿库征地困难，而且地表不允许沉陷，因此资源开采全部采用全尾砂充填法。为了解决铁矿全尾砂充填开采的经济效益问题，亟待开展铁矿全尾砂充填胶凝材料的配比的优化决策。为此，采用本发明方法进行了司家营铁矿全尾砂填充采矿用胶凝材料的配比的决策，具体实施步骤如下：

[0036] （1）司家营铁矿全尾砂充填料和工业废渣调查与物化特性分析，及胶凝材料种类的选择。

[0037] 司家营铁矿全尾砂散体密度为2.38t/m3，比表面积达到2130cm2/g，全尾砂粒度分布为：d10=200-270μm，d50=30-33μm，d60=45-50μm，d90=53-60μm，dp=200-270μm，含泥量（-20μm）26%-28%。司家营铁矿全尾砂的化学成分：CaO=2.90%、Fe2O3=9.27%、Al2O3=7.3%、MgO=3.88%、SiO2=69.88%，烧失量为3.76%。全尾砂的pH=7，为中性充填料。司家营地区可以利用工业废渣的有钢铁厂的矿渣微粉、电厂脱硫石膏等。全尾砂充填胶凝材料的还涉及生石灰以及硅酸钠、水玻璃、硫酸钠等。

[0038] （2）采用均匀试验设计，进行了矿渣微粉、脱硫石膏、生石灰、硅酸钠、硫酸钠、水玻璃等多种胶凝材料和多水平配比的探索性试验。

[0039] （3）根据均匀设计的探索性试验结果，确定三组强度最高的充填体对应的胶凝材料的种类与配比，如表1所示。

[0040] 表1 胶凝材料种类与配比

[0041]

[0042] 由此选择矿渣微粉、生石灰、脱硫石膏作为胶凝材料，其中生石灰的配比以质量百分比计分别为3.5%、4.0%、4.5%，脱硫石膏的配比以质量百分比计分别为16%、17%、18%，矿渣微粉为余量。

[0043] （4）在其它试验条件不变的基础上，根据选定的胶凝材料的种类和配比进行正交试验。由于选定了三组强度最高的充填体对应的胶凝材料的配比，因此正交试验的水平数为3，选择四因素三水平的标准正交试验表，确定正交试验的因素分别为矿渣微粉、生石灰、脱硫石膏和水泥熟料，其中，其中水泥熟料含量为0，生石灰的配比以质量百分比计分别为3.5%、4.0%、4.5%，脱硫石膏的配比以质量百分比计分别为16%、17%、18%，矿渣微粉为余量。

[0044] 充填体强度随胶凝材料的配比变化的正交试验数据如表2。

[0045] 表2 充填体强度与胶凝材料配比的正交试验数据

[0046]

[0047] （5）以上述9次正交试验数据为学习样本，建立胶凝材料的配比的人工神经网络模型，对9次学习样本进行学习和训练。如图1所示，设定目标误差E为0.001，经过297步训练运算即达到最优拟合，网络训练误差为0.00098479，图1中的虚线为目标误差标准线0.001。

[0048] （6）利用已经训练好的的人工神经网络模型，对胶凝材料的不同配比进行充填体强度预测，由此获得了全尾砂填充胶凝材料的配比试验的外延信息，扩大了正交试验的样本。

[0049] （7）利用步骤（4）的正交试验数据和步骤（6）的人工神经网络模型的外延信息，采用统计回归和参数拟合的方法，建立胶凝材料的配比与充填体强度的函数关系，以充填体强度为优化目标，以胶凝剂材料的取值范围为约束条件，建立胶凝材料的配比的优化模型。

[0050] 目标函数：

[0051] 为矿渣微粉质量百分比含量（%）； 为脱硫石膏质量百分比含量（%）； 为生石灰质量百分比含量（%）。

[0052] 约束条件： 。

[0053] （8）求解上述优化模型，由此获得司家营铁矿全尾砂充填胶凝材料的最优配比为。

[0054] 根据采用上述实施步骤决策的司家营铁矿全尾砂充填胶凝材料的优化配比进行验证试验，并同时进行水泥胶凝材料的对比试验，由此获得的结果见表3。

[0055] 表3 全尾砂胶凝材料28d强度对比试验结果

[0056]

[0057] 实施例2 金川镍矿全尾砂与棒磨砂混合充填料胶凝剂配比决策

[0058] 金川镍矿胶结充填法开采一直采用棒磨砂充填料，充填采矿成本高，选矿全尾砂得不到利用，大量堆放。采用棒磨砂和全尾砂的混合充填料，可以解决上述问题。为此，采用本发明方法进行了金川镍矿全尾砂和棒磨砂混合充填料填充采矿用胶凝材料的配比的决策，具体实施步骤如下：

[0059] （1）金川镍矿全尾砂和棒磨砂混合充填料和工业废渣调查与物化特性分析，及胶凝材料种类的选择。

[0060] 金川镍矿的全尾砂的实体密度为2.77-2.97t/m3、松散密度为1.2-1.3t/m3、孔隙率为54%-58%；粒度分布为d10 =0.0015-0.0017mm，d50 =0.03-0.05mm、d90 =0.1-0.2mm，dv=0.03-0.04mm，不均 匀 系数 为20-23。 化学 成 分为SiO2 =33-36%、Al2O3=3%-5%、MgO=28%-33%、CaO=2.6%-3.9%、S<0.7%。棒磨砂充填料粒径为-3mm，物理特性为：实3 3
体密度为2.6-2.7t/m、松散密度为1.5-1.6t/m、孔隙率为40%-42%；粒度分布为d10 =0.13-0.16mm，d50 =0.8-1.0mm、d60 =1.0-1.5mm、d90 =2.9-3.3mm，dv=0.8-1.2mm，不均匀系数=7-9。化学成分以质量百分数计为SiO2 = 64%-76%、Al2O3=5%-8%、MgO=3%-6%、CaO=2%-5%、Fe2O3=3%-5%、S<0.1%。

[0061] 金川地区可以利用的有矿渣微粉、电厂脱硫灰渣、磷石膏等工业废渣。充填胶凝材料还涉及生石灰、脱硫灰渣以及芒硝、烧碱、氯化钙、氯化钠等。

[0062] （2）采用均匀试验设计，进行了矿渣微粉、脱硫灰渣、生石灰、磷石膏、芒硝、烧碱、氯化钙、氯化钠等多种胶凝材料和多水平配比的探索性试验。

[0063] （3）根据均匀设计的探索性试验结果，针对棒磨砂和全尾砂的不同配比，确定4组强度最高的充填体对应的胶凝材料的种类与配比，如表4所示。

[0064] 表4 胶凝材料种类与配比

[0065]

[0066] 由此选择矿渣微粉、生石灰、脱硫灰渣、芒硝和烧碱作为胶凝材料，其中生石灰的配比以质量百分比计分别为6%、7%、8%、9%，脱硫灰渣的配比以质量百分比计分别为14%、16%、18%、20%，芒硝的配比以质量百分比计分别为2%、3%、4%、5%，烧碱的配比以质量百分比计分别为0、0.5%、1.0%、1.5%，矿渣微粉为余量，全尾砂和棒磨砂的质量比为0:1、2:8、3:7、
4:6。

[0067] （4）在其它试验条件不变的基础上，根据选定的胶凝材料的种类和配比进行正交试验。由于选定了四组强度最高的充填体对应的胶凝材料的配比，因此正交试验的水平数为4，选择五因素四水平的标准正交试验表，确定正交试验的因素分别为全尾砂与棒磨砂配比、矿渣微粉、生石灰、脱硫灰渣、芒硝和烧碱，其中，全尾砂和棒磨砂的质量比为0:1、2:8、3:7、4:6，生石灰的配比以质量百分比计分别为6%、7%、8%、9%，脱硫灰渣的配比以质量百分比计分别为14%、16%、18%、20%，芒硝的配比以质量百分比计分别为2%、3%、4%、5%，烧碱的配比以质量百分比计分别为0.0%、0.5%、1.0%、1.5%，矿渣微粉为余量。

[0068] 充填体强度随胶凝材料的配比变化的正交试验数据如表5所示。

[0069] 表5 全尾砂与棒磨砂混合充填料新型充填胶凝材料正交试验结果

[0070]

[0071] （5）以上述16次正交试验数据为学习样本，建立胶凝材料的配比的人工神经网络模型，对16次学习样本进行学习和训练。如图2所示，设定目标误差E改为为0.0001，经过92步训练运算即达到最优拟合，网络训练误差为9.82292e-005，图2中的实线为目标误差标准线0.0001。

[0072] （6）利用已经训练好的的人工神经网络模型，对胶凝材料的不同配比进行充填体强度预测，由此获得了全尾砂与棒磨砂混合充填料胶凝材料配比试验的外延信息，扩大了正交试验的样本。

[0073] （7）利用步骤（4）的正交试验数据和步骤（6）的人工神经网络模型的外延信息，采用统计回归和参数拟合的方法，建立胶凝材料的配比与充填体强度的函数关系，以充填体强度为优化目标，以胶凝剂材料的取值范围为约束条件，建立胶凝材料的配比的优化模型。

[0074] 目标函数：

[0075] 为全尾砂与棒磨砂质量之比； 为胶凝材料中生石灰质量百分比含量（%）； 为胶凝材料中脱硫灰渣质量百分比含量（%）； 为胶凝材料中芒硝质量百分比含量（%）； 为胶凝材料中烧碱质量百分比含量（%）。

[0076] 约束条件： 。

[0077] （8）求解上述优化模型，由此获得金川镍矿全尾砂与棒磨砂充填料胶凝材料的最优配比为 。

[0078] 根据采用上述实施步骤决策的金川镍矿全尾砂与棒磨砂混合充填胶凝剂的优化配比进行验证试验，并同时进行水泥胶凝材料的对比试验，由此获得的结果见表6。

[0079] 表6 金川全尾砂与棒磨砂混合胶凝材料验证试验结果

[0080]