矿业研究与开发

作者：刘心中,马树森,葛焰,赵津

关键词：金尾矿;混凝土;卷积神经网络;门控递归单元神经网络;混合优化算法;抗压强度预测

金尾矿基混凝土作为一种环保型材料,具有广泛的应用潜力.然而,金尾矿基混凝土的材料组成复杂,传统的抗压强度预测方法往往难以捕捉材料内部的非线性关联和多变量耦合特性,导致预测精度不足.提出一种基于深度学习二元融合模型(DP),融合卷积神经网络(Convolutional Neural Network,CNN)和门控循环网络(Gated Recurrent Unit,GRU)的金属矿基混凝土强度预测模型.首先,对金尾矿的矿物、化学组成及粒度分布进行分析,并依据相关标准检测其浸出毒性,确保其作为混凝土材料的安全性及稳定性.随后,通过试验构建金尾矿混凝土数据集,用于模型的训练和验证.将该模型应用于实际工程案例中,进一步验证了模型的性能.结果表明:所提出的模型在训练和测试阶段均具有较高的精度和较低的误差,能够有效预测金尾矿基混凝土的抗压强度.实际工程案例表明,掺加20％~40％金尾矿的混凝土抗压强度预测值与实测值的误差在－4.1％至5.7％之间,进一步证明了模型在工程实践中的应用潜力.

来源：2025年第10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10期