聚类分级和BP神经网络在自然崩落法矿岩可崩性分级中的应用

• 作 者: 陈清运 蔡嗣经 明世祥 赵飞
• 机 构: 北京科技大学,北京科技大学,武钢矿业公司乌龙泉矿
• 出 处: 化工矿产地质
• 发表日期: 2004年2期
• 关键词: 自然崩落采矿法 聚类分级 矿岩可崩性 BP神经网络 程潮铁矿 natural caving system ore rock cavability clust

以矿岩RQD、RMQ和RMR值为基础进行矿岩可崩性聚类综合分级,解决了同一地质测段分级结果的不一致性,明确了可崩性级别;利用样本中易测评判指标建立矿岩可崩性BP神经网络分析模型进行矿岩可崩性分级,解决了用钻孔资料进行矿岩可崩性分级精度不高的问题.程潮铁矿自然崩落法试验区段的矿岩可崩性分级表明矿岩可崩性属于极易一中等崩落,与生产实际相符,在生产中可应用该方法进行矿岩可崩性分级工作.