基于神经网络的深部磷矿岩体可爆性分级模型研究

摘要

目前钻爆法仍是深部磷矿开拓掘进和回采的最高效方法。而磷矿钻爆法施工掘进水平长年维持在70～80 m/月，严重制约了掘进效率，因此对深部磷矿工作面开展矿岩体可爆性分级工作至关重要。以湖北宜昌某地下磷矿为研究背景，在现场进行了岩体的纵波波速测试，开展了岩石密度、单轴抗压强度和抗拉强度等物理力学性质的测量，得到了白云质条带磷块岩、致密条带磷块岩、泥质条带磷块岩和含碳泥质白云岩4种岩石的密度、单轴抗压强度、抗拉强度和岩体完整性系数4项参数。通过调用Matlab神经网络工具箱，将岩石密度、单轴抗压强度、抗拉强度、岩体完整性系数作为输入，以可爆性等级作为输出，采用随机函数法产生大量的训练样本，构建了基于BP神经网络的可爆性评价模型，实现了深部磷矿岩体可爆性分级。分级结果为白云质条带磷块岩和泥质条带磷块岩为中等可爆，致密条带磷块岩和含碳泥质白云岩为难爆。根据分级结果，可对采场爆破参数进行优化，增强爆破效果，降低炸药单耗及矿石大块率，提高深部磷矿开采的安全性及经济效益。

关键词

深部磷矿 / 岩体可爆性分级 / 随机函数 / 神经网络模型

基金资助

2021年湖北省安全生产专项资金科技项目(SJZX20211004); 武汉工商学院科研团队支持计划专项资助(WPT2023036)