-
题名基于机器学习和室内实验的固废湿喷混凝土性能研究
- 1
-
-
作者
王小平
冯亮
胡亚飞
-
机构
金川集团镍钴股份有限公司三矿区
北京科技大学资源与安全工程学院
-
出处
《金属矿山》
北大核心
2025年第7期299-312,共14页
-
基金
国家自然科学基金项目(编号:52374115,52204134)。
-
文摘
针对中国西北地区某镍矿的固体废物资源化利用难题,以废石和戈壁砂为复合骨料,协同利用钢渣、高炉矿渣及脱硫石膏等工业固体废物制备胶凝材料,研发了适用于地下岩体支护的固体废物基湿喷混凝土(Solid Waste Based Wet Shotcrete,SWC)。采用响应面法进行试验方案设计,系统揭示了不同因素对SWC力学性能的影响规律,并借助多种微观表征方法揭示了SWC的力学性能形成机制。同时,通过机器学习算法建立了SWC配合比智能优化模型。结果表明:SWC抗压强度随钢渣掺量增加呈先增大后减小的趋势(钢渣掺量为30%时抗压强度达到最大35.2MPa),胶砂比与抗压强度呈正相关关系,戈壁砂占比则与抗压强度呈负相关关系。微观机理研究表明,戈壁砂占比会影响骨料堆积体系的孔隙结构(戈壁砂占比为0.4时骨料堆积密实度最大),钢渣掺量则调控胶凝体系的水化反应进程,二者均通过改变材料密实度影响SWC的力学性能。建模结果显示,通过哈里斯鹰算法(Harris Hawks Optimization,HHO)对支持向量回归(Support Vector Regression,SVR)模型进行参数寻优,显著提升了预测精度(R2> 0.99,RMSE<0.20,VAF>99.80),结合遗传算法(Genetic Algorithm,GA)构建的HHO-SVR-GA智能模型实现了SWC配合比的精确设计(误差低于5%)。
-
关键词
固体废物
地下支护
湿喷混凝土
机器学习
配合比设计
-
Keywords
solid waste
underground support
wet shotcrete
machine learning
proportion design
-
分类号
TD353
[矿业工程—矿井建设]
-
