Метод прогнозирования разубоживания руды на основе нейронной сети и его применение

Method of Predicting Ore Dilution Based on a Neural Network and Its Application
Xingdong Zhao, Jia’an Niu
2020-02-19

нейронная сеть с обратным распространением ошибкиэквивалентный линейный обвал законтурных породгидравлический радиусмодифицированное число устойчивостипрогнозирование разубоживания руды
Для преодоления ограничений эмпирического графического метода эквивалентного линейного разубоживания вследствие обрушения законтурного массива (ELOS) при оценке непланового разубоживания руды разработана прогностическая модель на основе нейронной сети с обратным распространением ошибки, включающая три слоя и шесть нейронов в скрытом слое. В качестве входных переменных использованы модифицированное число устойчивости, гидравлический радиус, среднее отклонение скважины и удельный расход взрывчатого вещества, а в качестве выходной переменной — ELOS, характеризующий количественную оценку непланового разубоживания руды. Обучение и тестирование модели выполнены на 120 наборах данных. Средний коэффициент детерминации (R²) прогностической модели составил 0,9761, средняя среднеквадратичная ошибка — 0,0001, а относительная погрешность прогнозирования — приблизительно 6,2%. Предложен метод расчёта непланового разубоживания руды, который применён к опытному очистному блоку свинцово-цинкового рудника Саньдаоцзяо. Рассчитанное неплановое разубоживание руды составило 0,717 м, а относительная погрешность, определённая как разность между расчётным значением и измеренным значением 0,70 м, составила 2,4%. Этот результат лучше относительных погрешностей, полученных с использованием эмпирического графического метода и численного моделирования, которые дали значения разубоживания 0,8 и 0,55 м соответственно. Подтверждена возможность применения прогностической модели на основе нейронной сети с обратным распространением ошибки для прогнозирования непланового разубоживания руды в реальных условиях.
1
Для прогнозирования незапланированного разубоживания руды создана трёхслойная нейронная сеть обратного распространения с шестью нейронами скрытого слоя, использующая четыре геотехнических и взрывных параметра.
2
При применении к тестовой камере свинцово-цинкового рудника Саньдаоцяо метод рассчитал незапланированное разубоживание 0,717 м при измеренном значении 0,70 м.
3
Относительная ошибка составила 2,4%, что лучше результатов эмпирического графического метода — 0,8 м — и численного моделирования — 0,55 м.
4
Модель обучена и протестирована на 120 наборах данных; средний R² составил 0,9761, среднеквадратичная ошибка — 0,0001, а относительная ошибка прогноза — около 6,2%.
5
Исследование подтверждает возможность практического применения нейросетевой модели для прогнозирования незапланированного разубоживания руды.

Незапланированное разубоживание руды в подземных очистных камерах, в частности на свинцово-цинковом руднике Саньдаоцзяо

Точность прогнозирования незапланированного разубоживания руды, количественно выраженного через ELOS, и взаимосвязи с влияющими входными переменными

Publication Details
Publication Date
2020-02-19
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Xingdong Zhao
Jia’an Niu
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%