公牛地质环境新闻采集gfh.doc

公牛地质环境新闻采集(2010) 69:659670 DOI 10.1007/s10064-010-0326-7原创论文利用人工神经网络来预测硫酸盐对膏体回填的影响效果L. Orejarena Mamadou Fall摘要 由于使用硬质合金膏回填(CPB)作为一种地面支援方法也作为一种环保的替代矿山废弃物。在采矿工业中要求有一个对其更好的理解以及研究其强度因素的不同影响。由于其自然作为水泥基材料,CPB是容易受到逐步丧失硫酸盐的攻击强度和在一定的条件下。摘要介绍了一种背景硫酸盐袭击CPB和人工神经网络(ANN)技术,提出了一种模型来预测无侧限抗压强度的攻击下,硫酸盐CPB基于不同水灰比、粘结剂的组成和粘结剂含量。关键词 胶结粘贴回填 硫酸盐攻击 非封闭抗压强度 预测模型使用硬质合金膏回填(CPB)技术在采矿作业都被认为是有益的经济和环境的观点,它主要在加拿大及其他几个国家使用。作为支持上方的地面，CPB能在大幅度减少一定数量的地表上的尾矿上面有所贡献，从而使在采矿中的环境冲击最小。因此CPB是我的经营者获得更大的矿石恢复能力，从矿井得到更多的利益。体外循环可以定义为一种混合而成的湿好。工程(75-85%过程尾矿固体重量比),液压粘结剂(3 - 7%总干膏重量)和混合水。因此在一些研究中尾矿的性质对CPB有更为强烈的影响。一般的，这种粘合剂是波兰特粘合剂，与高炉矿渣自由混合而成有更好的抗压强度减少了粘合剂的使用。然而,一个特定的强度值需要辅以适当的耐用的材料以满足地面支援的结构要求，新的支柱的配置是矿石回收率的最大化和保障安全运行的基本保证在这个体外循环的设计中作为考虑因素之一的就是在尾矿中大量出现。在某些特定情况下它们会引起称为酸性矿山废水(AMD)或酸性岩排水(ARD)的过程，虽然氧化尾矿库由于它的高饱和度在体外循环中发生的可能性很小，在这个过程中由于之前的尾矿混合了粘结剂，因此会有大量的硫酸根离子留在体外循环的过程中。由于其成分的分解可能导致材料逐渐的丧失力量。这一现象归纳了硫酸盐的攻击过程并且在其他的一些研究中已经被记录下来 在混凝土中,其硫酸盐的攻击是由于外部来源的硫酸盐离子,而在体外,硫酸盐攻击主要由于内部来源或他们的成分，对于硫酸盐袭击的解释，混凝土的研究仍然是一个主题，也有几个其他的线性思考可以解释在混凝土图片中出发这一现象的不同机制，另一方面由于体外循环结构在采矿作业中使用的增加，了解在体外循环下硫酸盐的袭击几乎是强制性的的重要性，在提取矿物质中以确保适当的采场稳定性，寻找安全和成本的有效运作，然而着力开发体外循环是个复杂的过程而且只有少数的研究对这个特定的话题进行了讨论。这些研究大多数是试验性的 这项工作的目的是发展一种基于人工神经网络技术的模型，它能很好的预测硫酸盐对带电粒子束袭击的影响，就算是对于最先进的知识来说也没有基础的工具再现硫酸盐在体外循环中的攻击效果 背景硫酸盐袭击中的背景 一直以来CPB是一种水泥基材料其长期的强度和耐久性会受到普通的同一混凝土的影响而造成构成要件恶化。事实上，CPB开发中在硫酸盐的影响效果方面很少有研究进行，这种硫酸盐袭击胶原材料的过程被描述为化学分解过程或叫做“恶性的混凝土”，在这种粘合材料中附着力的损失和力量的加强在先前的研究中已经被注意到并且被作为硫酸盐影响的主要效果。在水泥基材料中硫酸盐间的反应离子与离子种类孔乳液可以领先对降水的矿物质例如CaSO4_2H2O、Ca3Al(OH)6_12H2O2_(SO4)3_2H2O) (Ca3Si(OH)6_12H2O_(CO3)_SO4)。由于降水中所含的这些矿物质使过量的应力在材料上只是其结构的硬糊变坏，是生产失去力量，扩张。剥落，退化。退化类型取决于发生在材料上的硫酸盐攻击类型。在这方面，一个经典的硫酸盐攻击包括钙矾石或石膏形成的硫酸盐攻击和与富硫酸盐结晶化相关的物理攻击。因此，硫铝酸钙水泥水合的过程包括水合物和钙以及氢氧化钠，硫酸根离子生成上述沉淀的过程，它可以导致固体体积增加到原来的2.8倍。由于膨胀产生的压力导致组成部分之间凝聚力的脱落这最终导致强度的丢失和严重的降解。关于石膏的形成是否是因为他的软化效果和力量损失仍有争论产生，然而虽然石膏是最初形成的这个说法仍然可以接受，最终成为硫代钼酸盐膨胀钙并且后者已经被确定为造成最终伤害的混凝土。为了硫酸盐攻击发生，几个条件必须满足。如文所述，如果满足以下条件，硫酸盐袭击在混凝土中更容易出现:a：(从水环境硫酸盐或土壤)有穿透力混凝土结构的存在。b:透水混凝土c: 潮湿的环境有利于扩散通过水相SO4毛细管收缩毛孔。在大多数情况下,生成混凝土硫酸盐攻击通过外部资源,例如,地下水在某些类型的粘土证据表明在南澳大利亚、加拿大的大草甸,加利福尼亚和英格兰的部分地区富集了硫酸盐 同样重要的是要提到的是并不是所有的钙矾石有害于混凝土。事实上，同样的钙矾石会出现并且混凝土仍在可塑性阶段。钙矾石的形成是由于地面用石膏,以铝酸钙的反应波特兰熟料生产集阶段规定或硫酸盐-基于膨胀剂在补偿收缩混凝土。这个钙矾石的形成发生在混凝土浇筑的最初几个小时或几天内因此,二次钙矾石的形成或延误钙矾石。正如Collepardi所指是一个过程混凝土的恶化。在CPB系统中有四种主要的内在源泉的硫酸盐。最重要的成分是尾矿库学组，另外根据萃取矿物的类型通常出现黄铁矿他尾矿库的重要组成部分。2005年报告到60%的黄铁矿在尾矿和离子的浓度之SO4多达2.4万万分之一。众所周知,因为黄铁矿的氧化作用而产生金属的酸度和释放大量的硫化物。这种氧化曾被定义为一种复杂的生物地球化学过程(1982年),恒隆地产涉及水化、氧化、水解及即可总结了在接下来Stumm反应所提出的问题1981年,FeS2 t 3:75O2 t 3:5H2O ! FeeOHT3t2H2SO4 在下列方程中主要叙述了等式一过程它导致了一个地下水ARD的酸度变化的显著增加并释放硫酸盐离子FeS2 t O2 t H2O ! Fe2t t 2SO2_4 t 2Ht e2TFeS2 t14Fe3t t8H2O!15Fe2t t2SO2_4 t16Ht。因此,所能获得的硫酸盐糊先于尾矿的存在，然而一旦尾矿掺粘合剂由于高度的CPB扩散阻碍了氧气通过浆糊扩散尾矿氧化是可以忽略不记的，因此硫酸盐袭击主要是由于工艺用水的生产引起的除了尾矿之外在CPB中硫酸盐的另一种来源是在采金过程中用于消灭氰化物的二氧化硫或空气SO2 t O2 t H2O t CN_ _! Cu2tcatalyst OCN t SO2_4 t 2Ht因此,这个过程也可以贡献的存在如果sulphates在体外循环泥浆用于地下矿井水处理和加工中使用体外循环混合。硫酸盐也可以进入CPB用于不同质量的水泥的配置。众所周知硫酸钙及其晶体被加到融块中来控制结合剂的位置因此少量的硫酸盐被加入到这种混合物中。最后水杯加入到混合物中来获得适当的可加工性，因为地下的水处理中可能包含自由的硫酸根离子，他们可能来自于被氧化的尾矿库或者是硫酸盐的氧化物或者是上述所说的空气生产背景对人工神经网络的认识通过引入神经元是大脑的成分有助于理解人类大脑是怎样工作的。然而安在动笔的历史在1940年代的调查McCulloh出版的论文和皮特夫妇那样(1943) 。in Basheer and Hajmeer可以发现一个综合叙述。利用神经网络的方法Hecht-Nielsen急剧增加后定理(Hecht-Nielsen 1989)表示,任何向量函数y = f(x)可计算出用合适的神经网络。安已经被列为回归的工具,它执行特别是当用于模式识别与函数估计事实上,有些作者是指作为泛化的安经典回归和“超级回归”(Wythoff 1993年),或者更近的,作为一个形式的非线性统计回归每一个人工神经网络的基本原理是照搬行为的生物学习和决策通过数学和计算过程的过程。安工具的重要性不断增加在函数逼近论是他们有能力去推广复杂的过程,，不可能通过可用的理论或简单的回归轻易的制定本方法。因此，采用了神经网络模型方法论可以捕捉到复杂的输入、输出间的相互作用，在交互作用中变量没有任何先验知识的性质。它已经指出,股价网络(BP)是被最广泛应用(Basheer和Hajmeer 2000年)在宽光谱的ann,并举例说明其应用在工程已被证明在几项研究中, 特别是对于混凝土强度预测，BP公司可以简单地描述为一个多层次的感知器由两个外部层图输出层 输入层 隐层 图1. 神经网络原理的股价 一个输入层与单位或节点（人工神经元细胞或细胞）代表变量的问题,和一个输出层相适应的变量模型（从属变量）。 在这两个主要的中间层, 可以找到一个或多个层次的被叫做人工神经元的隐藏层。英国石油公司(BP)的原理图呈现在图1。 对于近似问题，它规定一个隐形层足以模拟连续函数（Basheer 2000）。 作为一种神经网络，它可以被看作是一台用来模拟大脑执行一项任务和功能的路径的机器，它也展现了两个像大脑的主要特点。（Haykin 1994）：a) 知识是通过人工神经网络经过一个学习过程获得的。b) 中间神经元连接强度（突触的重量）是用来储存的知识。学习过程是在英国石油公司（BP）里通过一个被称为改正误差的学习的方法完成的，这个误差中发现当比较实际结果的输出量时，中间的神经元和输入层为了调节突出重量是向后式分布的。一旦重量进行了调节，网络向前发送一个信号,产生一种第二输出。再次与实际指标（由经验数据得到）和周期相比较，这个结果是重复的，直到在结果中得到一个适当的收敛或误差。 值得一提的是,为了发展一个使用人工神经网络方法学的模型, 有三种主要的过程，必须在该模型预测因变量实现之前完成。这些主要过程被称为训练，测试和验证（Basheer and Hajmeer 2000）。 一旦网络的体系结构被选择，不同的连接权值的单元(人工神经元)需要校准。这是通过使用如上所述的BP技术以及一系列的数据达到的。这个过程被称为网络的培训(学习)。在这个时期，建议挑选统一的数据以覆盖在网络正在逐步发展的实验的整个范围。（Kim et a 2004）。这种训练也很有规律地间断地测试网络对模拟变量的预测的精度。可以通过数据集,不包括那些用于培训和已知结果的模拟变量来完成。因此，网络的普遍化能力的测试,被称为测试阶段。操作者必须注意训练和测试阶段误差的变化。识别训练阶段之后的连续迭代次数是很重要的，与测试相同，误差应该是减少的。操作者能无限期地继续训练网络。然而，一旦开始增加测定误差（或者训练误差近似于测试误差），为了避免过度训练，培训应该马上停止，这意味着即使训练误差最小，网络也会失去概括网络数据的能力,只能用作查表。（Basheer and Hajmeer 2000; Wythoff 1993）. 据预计,当测试与训练误差接近合理时,该网络易于普遍化（Sebastia et al. 2003）。确认过程不用于学习（训练和测试）阶段，在选择最佳的网络来决定它的准确度之后和执行模型之前，由不同的数据集执行。（Basheer and Hajmeer2000）。然而，值得注意的是，绝大多数作者和所用的软件在该模型识别测试和数据的发展中,通过网络在学习过程的学习和验证阶段是“不被看见的”。 这个话题在下面进一步考虑。人工神经网络的发展在参数模型的设计中考虑以人工神经网络方法论为基础的模型发展的第一步是明确辨别输入变量泛化的问题。为了识别可能会影响到输出的问题的变量, 此前的一些研究被作为模型的发展的出发点。在这方面，选择像Benzaazoua et al.（2004）；Fall and Benzaazoua（2005）；Fallet al.（2008a）的参考，更好的解释了可能影响体外循环的输入变量。基于上述研究，主要的输入变量或参数,可归纳如下：a） 水/水泥比例b） 用于体外循环的黏合剂的种类和数量c） 尾矿，细度、密度和化学组成的类型d） 体外循环的固化温度e） 固化时间f） 硫酸盐数量 水/水泥比例对水泥基材料来说,水和水泥之间的比例强烈地影响着混合气体的强度，这是常识。体外循环中水灰比的范围是完全不同的，通常比那些用于混凝土结构以达到一个适当的混合气体的工作性,允许其从表面到其最终地下处置运输大得多。一般来说,W / C在CPB高于5，相比较于W /C的价值