基于分形理论和BP神经网络的充填料性能研究

来源：黄金科学技术杂志2017年第2期北京时间：

作者：刘志祥，龚永超，李夕兵

单位：中南大学资源与安全工程学院，湖南 长沙 410083

摘要：为研究全尾砂粒径级配特征对充填料性能的影响，提出以分维数和分维数相关系数表征全尾砂的几何特征，并选取灰砂配比、料浆浓度、分维数和分维数相关系数作为BP神经网络输入因子，抗压强度、坍落度和泌水率作为输出因子，建立了充填性能预测的分形—BP神经网络模型。对7个矿山实测数据展开分维数和分维数相关系数计算，并采用BP神经网络进行训练和预测。结果表明：（1）尾砂越细，则粒径级配分维数越大，孔隙分维数就越小，且全尾砂的分维数稍大于分级尾砂的分维数；（2）全尾砂的相关系数在0.71~0.97之间，较分级尾砂离散；（3）分形—BP神经网络模型对充填料性能指标预测的相对误差在8%以内。综上可知：分形理论—BP神经网络相结合的充填性能预测模型具有较好的精度，为充填料性能预测提供了一种新途径。

关键词：粒径级配,分维数,神经网络,充填料性能

基金资助：国家自然科学基金项目“金属矿海底基岩开采裂隙分形演化与突水混沌孕育机制”（编号：51674288）资助