【技术实现步骤摘要】
本专利技术涉及矿山充填，尤其涉及一种结合颜色和孔隙结构特征的充填体强度智能预测方法。
技术介绍
1、矿山充填是有效回采矿产资源、实现矿业可持续发展的重要途径。近年来，为了提高充填质量、降低充填成本，国内很多矿山已经或开始采用矿渣基胶结料替代水泥，用于制备充填体。在充填采矿法中，为保证生产安全，要求充填体具备较高稳定性，而强度检测是评价充填体稳定性最为直接方法。然而，井下环境复杂、危险，且多变，使得现场充填体强度检测面临诸多困难，如取样难度大、样品完整性差。因此，寻求一种便捷、准确、可靠的现场矿渣基充填体强度检测方法显得尤为重要。
2、充填体的强度主要受水化产物数量和孔隙结构两个因素影响，通常水化产物数量越多，颗粒间的粘结性越好，充填体强度就越高。鉴于此，一些研究通过建立影响因素与强度间的联系，来预测充填体的强度。cn116306300a的中国申请专利，公开了一种基于图像的矿渣基充填体强度智能预测系统及方法，该方法利用矿渣基充填体水化产物数量越多，蓝绿色颜色越深的特点，通过智能算法将充填体颜色与强度建立联系，进而预测充填体的强度。图像智能预测对试样尺寸、形状、完整性无要求，操作简便，但是该方法只考虑了水化产物数量对充填体强度的影响，而未考虑孔隙结构也是影响强度重要因素这一事实，这可能会导致预测结果不够准确。cn108318395a的中国申请专利，公开了一种尾砂胶结膏体充填体强度预计方法，该方法利用压汞实验测得试样的微观孔隙结构，根据充填体的单轴抗压强度和微观孔隙结构间的数学关系，来计算预测充填体的单轴抗压强度，但该方法
3、矿渣基充填体的强度主要受水化产物数量和孔隙结构两方面影响。一方面，矿渣基充填体在水化过程中产生的蓝绿色发色团会使其颜色呈现显著的蓝绿色，水化产物数量越多，产生的蓝绿色发色团就越多，同时充填体的强度越高。另一方面，充填体在水化过程中，水化产物会填充孔隙，同时，受自重、压密和外界荷载的影响，孔隙结构发生改变，进而影响充填体的强度。因此，水化产物数量和孔隙结构共同决定着矿渣基充填体的强度。
技术实现思路
1、针对现有技术的不足，本专利技术提供一种结合颜色和孔隙结构特征的充填体强度智能预测方法，通过建立矿渣基充填体的颜色、孔隙结构特征与强度间的联系，利用神经网络构建高精度智能预测模型来预测充填体的强度。
2、本专利技术技术方案如下：
3、一种结合颜色和孔隙结构特征的充填体强度智能预测方法，包括以下步骤：
4、步骤s1、选取矿山生产的充填材料，以矿山生产实际配比为基础，制定实验方案，进行充填体的制备与养护；
5、步骤s11、选取充填材料，并获取材料的本身性质；
6、所述充填材料包括尾砂，矿渣，激发剂和水；
7、所述本身性质包括材料的粒径分布、物化性质，以及矿物组成；
8、步骤s12、确定充填体强度的影响因素，根据所选影响因素制定实验方案；
9、所述影响因素包括质量浓度、胶结料含量、激发剂类型、激发剂掺量、养护温度、自重应力、排水条件；
10、步骤s13、根据实验方案制备充填体试样并养护设定龄期；
11、步骤s2、获取充填体的颜色特征值，孔隙结构特征值和单轴抗压强度值；
12、步骤s21、搭建图像采集装置，获取充填体剖面图像，使用matlab提取颜色特征值；
13、所述颜色特征值包括充填体图像的灰度值，色调和饱和度；
14、所述图像采集装置包括相机、三角架和一个摄影棚；相机置于三脚架上，充填体试样置于摄影棚中，相机对填充体试样进行拍摄；所述摄影棚中安装有oled灯，每次拍照时试样都处于相同的光线背景中，在拍摄过程中，三脚架的位置和高度、相机与摄影棚的距离、以及相机的拍摄参数保持不变，相机拍摄的图像传输到电脑中进行处理；
15、步骤s22、通过低场核磁共振实验采集t2弛豫时间信号，通过转换公式将t2弛豫时间信号时间分布转换为孔隙大小分布，得到充填体的孔隙结构特征值；
16、所述转换公式如下：
17、
18、式中，t2为横向弛豫时间；r为孔隙半径；ρ是每个t2弛豫时间信号对应孔径的表面弛豫率；a为几何常数；
19、所述孔隙结构特征值包括中孔隙率，大孔隙率和总孔隙率；
20、步骤s23、通过单轴压缩试验测量充填体试样的单轴抗压强度值；
21、步骤s3、对颜色特征值，孔隙结构特征值和单轴抗压强度值进行处理，建立数据集，并构建初始强度预测模型，评估并优化得到最优强度预测模型；
22、步骤s31、对颜色特征值，孔隙结构特征值和单轴抗压强度值进行归一化处理，并整理成数据集；
23、所述归一化处理是将数据缩放到指定的范围，其公式为：
24、
25、式中，x为原始数据，xmin为原始数据的最小值，xmax为原始数据的最大值，x为归一化数据；
26、步骤s32、将数据集划分为训练集和测试集；
27、所述划分为随机划分；
28、步骤s33、使用神经网络算法在训练集上建立初始强度预测模型；
29、所述初始强度预测模型由输入层，隐藏层和输出层构成，输入层的数据通过权重和偏置传递给隐藏层的神经元，隐藏层之间的神经元通过权重和偏置进行连接，形成复杂网络结构，隐藏层的最后一层输出信号通过权重和偏置传递给输出层的神经元，各部分之间通过权重和偏置进行连接和传递信息；
30、步骤s34、使用初始强度预测模型对测试集中的输出数据利用反归一化处理得到神经网络的预测值；
31、所述反归一化处理是将归一化后的数据恢复到原始的尺度，其公式为：
32、x＝x·(xmax-xmin)+xmin
33、步骤s35、将预测值与真实值比对，计算评估指标，调整模型的超参数，确定最优的强度预测模型。
34、所述评估指标包括准确率，f1分数，均方误差mse，平均绝对误差mae，r2分数，平均百分比误差mpe。
35、所述超参数包括模型的学习率，批量大小，迭代次数，正则化参数，权重初始化。
36、采用上述技术方案所产生的有益效果在于：
37、本专利技术提供一种结合颜色和孔隙结构特征的充填体强度智能预测方法，具备以下有益效果：
38、1、结合充填体的颜色特征和孔隙结构特征，同时考虑了水化产物数量和孔隙结构对充填体强度的影响，使预测结果更准确，应用范围更广；
39、2、使用低场核磁共振实验获取充填体的孔隙结构特征值，相较于传统的压汞实验，不会对样品造成破坏，因此能够得到真实的孔隙结构特征值；
40、3、减少了预测模型中的输入参数，可以减少数据收本文档来自技高网...
【技术保护点】
1.一种结合颜色和孔隙结构特征的充填体强度智能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种结合颜色和孔隙结构特征的充填体强度智能预测方法，其特征在于，所述步骤S1包括以下步骤：
3.根据权利要求2所述的一种结合颜色和孔隙结构特征的充填体强度智能预测方法，其特征在于，步骤S11中所述充填材料包括尾砂，矿渣，激发剂和水；所述本身性质包括材料的粒径分布、物化性质，以及矿物组成；
4.根据权利要求1所述的一种结合颜色和孔隙结构特征的充填体强度智能预测方法，其特征在于，所述步骤S2包括以下步骤：
5.根据权利要求4所述的一种结合颜色和孔隙结构特征的充填体强度智能预测方法，其特征在于，步骤S22中所述转换公式如下：
6.根据权利要求1所述的一种结合颜色和孔隙结构特征的充填体强度智能预测方法，其特征在于，所述步骤S3具体包括以下步骤：
7.根据权利要求6所述的一种结合颜色和孔隙结构特征的充填体强度智能预测方法，其特征在于，步骤S33中所述初始强度预测模型由输入层，隐藏层和输出层构成，输入层的数据通过权
...【技术特征摘要】
1.一种结合颜色和孔隙结构特征的充填体强度智能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种结合颜色和孔隙结构特征的充填体强度智能预测方法，其特征在于，所述步骤s1包括以下步骤：
3.根据权利要求2所述的一种结合颜色和孔隙结构特征的充填体强度智能预测方法，其特征在于，步骤s11中所述充填材料包括尾砂，矿渣，激发剂和水；所述本身性质包括材料的粒径分布、物化性质，以及矿物组成；
4.根据权利要求1所述的一种结合颜色和孔隙结构特征的充填体强度智能预测方法，其特征在于，所述步骤s2包括以下步骤：
5.根据权利要求4所述的一种结合...
【专利技术属性】
技术研发人员：姜海强，余孙强，冯夏庭，董合祥，付有，
申请(专利权)人：东北大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。