浅谈夏甸金矿采场及巷道围岩稳定性分类与控制研究

《浅谈夏甸金矿采场及巷道围岩稳定性分类与控制研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TD353密级：公开UDC：单位代码：10424学位论文夏甸金矿采场及巷道围岩稳定性分类与控制研究王学知申请学位级别：硕士学位专业名称：岩土工程指导教师姓名：王连国职称：教授乔卫国职称：教授山东科技大学二〇〇六年五月论文题目：夏甸金矿采场及巷道围岩稳定性分类与控制研究作者姓名：王学知入学时间：2003年9月专业名称：岩土工程研究方向：岩土力学理论与应用指导教师：王连国职称：教授乔卫国职称：教授论文提交日期：2006年5月论文答辩日期：2006年6月12日授予学位日期：STUDYONTHECLASSIFICATIONANDCONTROLOFTHESURROUNDINGR

2、OCKSATSTOPEANDROADWAYINXIADIANGOLDMINEADissertationsubmittedinfulfillmentoftherequirementsofthedegreeofMASTEROFPHILOSOPHYfromShandongUniversityofScienceandTechnologybyWangXuezhiSupervisor:ProfessorWangLianguoProfessorQiaoWeiguoCollegeofcivilandarchitectureEngineeringMay2006声明本人呈交给山东科技大学的这篇硕

3、士学位论文，除了所列参考文献和世所公认的文献外，全部是本人在导师指导下的研究成果。该论文资料尚没有呈交于其它任何学术机关作鉴定。硕士生签名：日期：AFFIRMATIONIdeclarethatthisdissertation,submittedinfulfillmentoftherequirementsfortheawardofMasterofPhilosophyinShandongUniversityofScienceandTechnology,iswhollymyownworkunlessreferencedofacknowledge.Thedocumenthasnotb

4、eensubmittedforqualificationatanyotheracademicinstitute.Signature:Date:山东科技大学硕士学位论文摘要摘要本文以招金集团夏甸金矿为背景，围绕对夏甸金矿巷道及采场围岩稳定性进行分类与控制这一主题，根据夏甸金矿的实际工程地质和开采技术情况，采用现场实测、理论分析与数值模拟相结合的方法，有针对性地展开了分析研究。首先对巷道及采场稳定性影响因素进行分析，从纷杂的影响因素中提取出对巷道及采场围岩稳定性有一定影响的指标；接着对所提取的分类指标采用人工神经网络进行权重贡献率分析，确定分类所需的指标；然后运用改进的BP神经网

5、络方法，建立采场围岩稳定性分类的神经网络识别模型，从而实现对夏甸金矿巷道及采场围岩稳定性的科学分类分析，并在此基础上进行支护控制方案研究；接着，采用三维有限元差分软件FLAC3D对所提出的支护控制方案进行有针对性地分析模拟，为优化支护方法和支护参数，进行合理的采矿工程设计与安全生产管理提供理论基础和科学依据；最后运用分类与控制的研究结果对夏甸金矿主井4中段和12中段水泵房和配电室稳定性进行评价并支护，结果证明该分类与控制方法准确可靠。关键词：围岩分类；BP神经网络；权重贡献率；支护控制；数值模拟山东科技大学硕士学位论文摘要ABSTRACTThispaperfocusesont

6、heclassificationandcontrolofthestabilityofthesurroundingrocksofstopesandroadwaysonthebackgroundofXiadianGoldMine.Theassociationmethodofactualmeasurement,theoreticalanalysisandnumericalsimulationisusedtoanalyseandresearchthelaw.First,theinfluencingfactorsofstabilityofthesurroundingrocksarean

7、alysed,andtheinfluencingindexisextractedfromthecomplexfactors;thentheratioofweightdedicationofeachfactorisresearched,andtherequiredfactorsaredetermined;afterthat,theimprovedBackpropagationNeuralNetworksisusedtobuildtheidentifyingmodeltorealizetheclassifi