矿业研究与开发

作者：林卫星,江科,龚永超,贾皓琦,于振建,欧任泽,贾月飞

关键词：超细尾砂;坍落度;抗压强度;响应面分析法;NGO-BP神经网络预测

以矿山超细尾砂为试验研究对象,通过坍落度、强度配比试验以及响应面分析法,探究自流和泵送工况下的料浆最佳质量浓度,分析影响充填体试块的抗压强度的关键因素,并采用NGO-BP神经网络模型预测试块强度.结果表明:泵压输送时最佳质量浓度约为74％,自流输送时最佳质量浓度约为70％;灰砂比为1∶4、1∶6、1∶8、1∶20时,所有质量浓度的充填体7d强度均达到0.8MPa,28d强度均达到1.5MPa,满足强度要求;当灰砂比保持不变时,试块的强度会随着质量浓度的上升和养护龄期的延长而上升,在其他变量保持不变的情况下,灰砂比对试样强度的影响尤为明显,灰砂比越高,试样的强度也就越高;养护7d时NGO-BP神经网络较BP 神经网络预测的平均绝对误差(MAE )、平均相对百分比误差(MAPE )、均方差(MSE)、根均方差(RMSE)分别降低了0.47,0.70,0.96,0.66,决定系数(R2)提高了0.26,NGO-BP神经网络模型可用于指导生产实践的充填配比,为充填配比优化研究提供一种新的思路研究.

来源：2025年第11期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2025年第11期