基于opsis法的充填配比多属性决策优化

基于opsis法的充填配比多属性决策优化

0充填配比研究中国的金矿是在海水下开采的金矿床。随着平坦部分矿产资源的逐渐枯竭，矿体开采继续向深部推进。充填体的力学特性、料浆流动特性、充填成本及工艺等均受到充填料浆的配比影响。国内外学者在充填配比的问题上进行了大量的研究,李夕兵等上述研究现状表明,充填配比的优化方法需要进一步改善。事实上,对比其他工程上的多目标优化问题,相关学者1填充材料的比例试验1.1充填液粒径对充填效果的影响试验胶凝材料为425#普通硅酸盐水泥,尾砂取自尾矿库,容重为15.29kN/m根据图1中尾砂粒径分布曲线可以计算得到粒径特征参数,即d式中:d由此表明,尾砂级配不均匀系数适中,连续性稍差,粒度偏细,但20μm以上的粒径占65%以上,经浓密脱泥处理后,可提高料浆泵送性能和固化效果,用于井下采空区充填。为节约充填成本,可考虑将海水作为充填水源,但海水中Cl-1含量较高,具有一定的腐蚀性,充填性能可能受到一定的影响。因此,可由淡水进行稀释处理获得不同海水比例的充填水源,综合考虑多方面影响,最终选择硅酸盐水泥、尾砂及不同比例海水作为充填材料进行配比试验研究。1.2充填水源海水比例的确定充填料浆性能主要反映在充填体强度、料浆流动性、泌水性、充填成本等因素上,尾砂成分、密度、级配、胶凝材料特性、灰砂比、养护温度及海水比例等是影响充填料浆性能的一些主要因素。在实际应用中,由于某些影响因素例如骨料粒级、胶结料类别是不变的,因此,本文只针对充填水源海水比例(x由表2可知,充填水源的海水比例采用0%,50%和100%这3个水平,灰砂比使用1∶4,1∶8和1∶16这3个水平,料浆质量浓度则根据尾砂最大沉降质量浓度(79.1%)而采用68%,70%和72%这3个水平。根据Box-Behnken试验设计原则,按照15个设计试验点,进行了15组试验,充填物料经过制浆后,首先测量其塌落度和不同的泌水率;浇注模具后,让其自然沉降,待初凝后对试块进行刮平、脱模处理,再放置于HSB-40B型恒温恒湿养护箱按照温度20℃和湿度90%进行28d的试块养护;最后采用WHY-200万能压力试验机测试块的单轴抗压强度。试块制作、养护及室内单轴抗压试验过程如图2所示,试验结果见表3。2单因素对充填体强度、塌落度及90min泌水率的影响根据表3中的正交试验结果,分别建立28d充填体强度、塌落度以及90min泌水率与海水比例、灰砂比及料浆质量浓度的高斯过程回归模型,模型各响应量预测值与实际值的相对误差绝对值如图3所示。从图3中可以看出,3个模型的预测相对误差绝对值均在6.0%以下,平均相对误差绝对值分别为3.35%,2.20%和2.10%。可见高斯回归模型总体拟合较好,可靠度较高。在高斯过程回归模型中,协方差矩阵中体现了变量之间的相关性程度。因此,海水比例、灰砂比及料浆浓度对各响应量存在着相互作用的影响,但各因素对各响应量的影响显著程度又不尽相同。为了更加直观地表现单因素对各响应的影响,分别对海水比例、灰砂比及料浆质量浓度通过式(2)作归一化处理,在分析其中1个因素对某一响应的影响时,将其他2个因素保持在均值0.5处。通过高斯回归模型计算出不同单因素条件下各响应量的变化情况,由此可以获得28d充填体强度、塌落度及90min泌水率随着各单因素的变化曲线,如图4所示。从图4(a)中可以看出,在28d充填体的回归模型中,充填体强度随海水比例的增大而减小,表明海水比例的增大会降低充填体的强度,充填体强度与灰砂比及料浆质量浓度近似呈线性正相关关系。从曲线斜率可以看出,充填体随料浆质量浓度增加而增大的幅度要高于充填体随灰砂比增加而增大的幅度,由此可以说明料浆质量浓度对于改善充填体强度的效果最为显著。塌落度随料浆属性变化规律见图4(b),可以看出海水比例对塌落度的影响程度不及灰砂比和料浆质量浓度显著。其中,塌落度随着灰砂比和料浆质量浓度的增大而显著增大,随着海水比例的增大先增大后减小,在海水比例为50%左右时,塌落度存在极大值。图4(c)为单因素对90min泌水率的影响。其中,海水比例对料浆泌水率的影响不大,泌水率变化值在1%以内,泌水率随海水比例总体呈现先减小后增大的趋势,在海水比例为50%左右时,塌落度存在极小值。综上可知,海水作为充填水源会在一定程度上降低充填体强度,采用海水作为充填水源需权衡成本与强度之间的矛盾关系;料浆泌水率随灰砂比及料浆质量浓度的增大而显著减小,当灰砂比增大到1∶16～1∶4,料浆质量浓度增大到70.8%～72%时,料浆泌水率基本上保持稳定;灰砂比对泌水率的影响主要是由于硅酸盐水泥等胶凝材料与水发生化学反应,具有吸附水分的作用,因此,胶凝材料越多,吸附水分越多,泌水率越小;而料浆质量浓度越大,泌水率越低。这与工程实际是相符合的。3充填体强度相应满足基于满意度的充填配比多目标优化在以往研究中得到了一定的应用,将各响应量满意度的加权线性组合进行优化,归根到底又变成了单目标优化问题。而在多目标优化问题中,各响应量之间极有可能是互相矛盾的,同时满足各目标函数的唯一最优解几乎是不存在的,为此,在不能求得同时满足每个响应量的最优参数情况下,基于Pareto非劣解的概念Pareto前端及其对应非劣解如表4所示,当满足28d充填体强度最高或塌落度最低时,解4是最优解,当满足泌水率最低时,解2是最优解。因此,在一定范围获得的优化解不存在同时满足各目标函数的最优解。采用多目标优化的遗传算法获得一系列的Pareto非劣解,这是单目标优化所做不到的。4充填配比的确定及验证多目标优化产生的Pareto解不存在唯一性,这与实际需求不相符。在基于TOPSIS法的方案优化问题上,对满意度函数进行响应量的优化仅仅是一方面,不同充填配比对于方案的优选结果也能产生一定的影响。因此,如何权衡好充填成本与充填体强度的综合关系,是获得最优方案应考虑的问题。TOPSIS方法作为方案优选的1种有效方法,在众多工程方案优选问题中获得广泛应用,因此,可以采用TOPSIS方法对表4中的非劣解方案进行综合优选。TOPSIS法对非劣解进行排序优选的步骤为1)建立初始评价矩阵。将表3中充填配比的各影响因素及响应量依次记为a式中:a2)根据初始评价矩阵建立标准化决策矩阵。海水比例和28d充填体强度属于越大越优的指标,其余属于越小越优的指标,为消除评价指标值之间量纲影响,标准化决策矩阵B=(b(1)对于越大越优的指标(2)对于越小越优的指标经过式(4)、(5)的处理,获得标准化决策矩阵为:3)评价指标权重的确定。指标权重对优选结果也会产生一定的影响。本文基于博弈论的思想,综合采用层次分析法及熵权法的主客观的组合赋权方法,对指标权重进行计算,具体步骤见文献[20]。获得各指标的组合权重为W=(0.038,0.200,0.117,0.361,0.190,0.093),各指标不同计算方法下的权重对比如图5所示。从图5中可以看出,组合赋权结合了主客观权重的特点,使得权重计算更为合理。4)计算获得加权标准化矩阵Z=(Z5)计算方案贴近度。分别计算评价对象到正、负理想解的欧式距离,其计算公式如下:则Z式中:T6)确定最佳方案。经过式(8)、(9)计算得到表4中各方案的贴近度,如图6所示。由图6可知,采用TOPSIS法获得贴近度排序最高的为表4中的非劣解14,其贴近度为0.832;非劣解9的贴近度次之,为0.756;非劣解10的贴近度最低,仅有0.271。由此可以得出,当海水比例为38.92%,灰砂比为1∶6.18,料浆质量浓度为70.79%时,非劣解的贴近度最高,对应的响应量为:28d充填体强度2.09MPa,坍落度为282.2mm,料浆泌水率为5.68%,满足充填强度要求。为了对优选充填配比的有效性进行验证,根据上述优化结果进行试验验证。按照“搅拌—灌模—脱模—养护—测试”的步骤进行试验,结果为料浆塌落度279.6mm,泌水率5.62%,28d充填体平均强度为2.04MPa,如图7所示。充填配比的优化结果与验证试验的结果基本一致,采用GPR-TOPSIS模型优化得到的充填材料最优配比是合理可靠的。5各影响因素的影响1)基于海下金矿充填配比试验结果,建立不同充填料配比与各响应量的高斯回归模型,其模型相对误差绝对值小,可靠性高。2)采用高斯回归模型分析不同影响因素对各响应量的敏感性发现,灰砂比及料浆质量浓度对充填体强度等的影响