论文部分内容阅读
国内地下金属矿山采用无底分段崩落法采出的矿量占绝大多数。该采矿法工艺比较简单，均采用截止品位放矿来控制出矿，此放矿方式存在着废石混入面大、混入机会多、矿石贫化率高的缺陷，而贫化率高的结果造成矿山企业的一级产品质量下降，二级产品处理的费用增加。因而此采矿方法的研究和应用在世界和国内的矿山都是一个关心的课题。随着科技在矿业中的逐步应用，矿山一直在寻求用不同的方法来解决此问题，本论文以梅山铁矿作为依托着重研究低贫化放矿工艺并用神经网络进行实时优化预测，确定合理的贫化率指标和其他技术经济指标，来指导和加强放矿管理。所谓低贫化放矿即在保证矿山总体回收率基本不变的情况下，逐步降低贫化率，提高出矿品位，从而降低废石混入，为企业带来效益。 神经网络是基于实例的研究方法，它对非线性系统有较好的逼近效果，它能总结归纳出变量之间的关系，快速实时预测优化技术经济指标，它对指导生产，加强管理，具有重要意义。因此，采用神经网络方法为优化预测低贫化放矿技术经济指标提供了一种新的研究方法，它可以充分挖掘经验数据和信息，进行仿真优化组合，为低贫化放矿技术经济指标提供最优的变化区域。 本文主要讲述了低贫化放矿的原理以及与截止品位放矿的区别，接着对神经网络的理论进行了简介，通过对低贫化放矿的剖析，针对梅山建立了低贫化放矿的模型，通过神经网络模型实时预测出较优的贫化率，最后确定梅山铁矿实行低贫化放矿的具体定量指标。低贫化放矿的推广应用对于实行无底分段崩落法的矿山具有一定的社会价值和经济价值。