摘要：云南金沙矿业磷矿为了延长尾矿库服务年限和治理采空区,亟需开展磷矿充填试验研究,为充填系统工艺设计提供基础数据。通过对矿山充填材料的现场取样测试,分析了磷矿尾砂的物化性质参数。根据充填料浆流动性能、泌水率及充填配比试验,综合确定了充填浓度、灰砂比等影响因素对充填体力学性能的影响规律。基于扫描电镜-能谱仪(SEM-EDS)微观测试手段,分析了充填体强度增长机制,水泥水化生成纤维状C—S—H凝胶与细尾砂颗粒搭接形成整体,并填充试件内部孔隙,是充填体强度增长的主要原因。研究成果可为确定国内类似磷矿矿山尾砂胶结充填提供参考。

摘要：尾砂高效沉降浓缩是充填系统工艺设计的关键环节,针对金沙磷矿全尾砂粒径偏细,且含有脂肪酸类浮选药剂的物化特性,开展全尾砂自然沉降和絮凝沉降试验,以固体通量和底流浓度作为评价指标,探明了全尾砂沉降浓缩性能,确定了絮凝剂类型、尾砂浆进料浓度和絮凝剂添加量。试验结果表明:尾砂浆自然沉降过程中,极细尾砂颗粒伴随着药剂泡沫上浮,导致自然沉降速率降低,沉降界面难以观察;尾砂浆静态絮凝沉降过程中,絮凝剂最佳型号为爱森665S,最佳进料浓度为10%~14%,絮凝剂最佳添加量为20~25 g/t;尾砂浆动态絮凝沉降过程中,在进料浓度为12%,絮凝剂添加量为25 g/t,耙架转速为5 r/h时,底流浓度达到了68%。研究成果可为国内类似磷矿尾砂沉降浓缩提供参考。

摘要：浸润线是尾矿库的生命线,准确地预测浸润线仍是目前较难解决的重要课题。为了能够有效地预测尾矿坝浸润线的演变态势,提出了一种适用于尾矿坝浸润线预测的高精度卷积神经网络-长短期记忆(Convolutional Neural Network-Long Short-Term Memory,CNN-LSTM)网络优化模型。以云南省某铜矿尾矿库为研究对象,运用CNN提取浸润线数据在高维空间的联系,并捕捉浸润线时序特性的空间关联特征,运用LSTM捕捉及解析其长期依赖关系的特点,优化CNN的卷积层层数与LSTM隐含层层数,选取最优组合,实现对浸润线变化趋势的精确预测。试验结果表明:与单一的CNN模型和LSTM模型相比,CNN-LSTM优化模型的收敛速度快,泛化能力强,且该模型的决定系数、平均绝对误差、均方误差、平均绝对百分比误差、均方根误差均达到了非常高的拟合优度及预测精度,显示了基于CNN-LSTM优化模型进行尾矿坝浸润线预测的优越性,为保障尾矿库长期安全运行提供依据。

摘要：为深入探讨水害因子对自然边坡稳定性影响的敏感程度,基于大兴铅锌矿工程背景,首先,运用Pearson相关性分析评估渗透系数K、孔隙率n、内摩擦角φ和内聚力C对边坡稳定性的敏感程度,并使用Python计算出对应的相关系数;然后,通过各因子5种水平取值设计25组正交试验,利用FLAC3D模拟计算不同因子组合下的边坡安全系数,再采用极差和方差分析进一步分析各因子对边坡稳定性影响的敏感程度;最后,对比两种不同的试验方法,从而相互验证水害因子对边坡稳定性的影响.试验结果显示,Pearson相关性分析与正交试验设计下的极差和方差分析结果相吻合,得出整体敏感程度排序为:内摩擦角φ>内聚力C>渗透系数K=孔隙率n.

摘要：高原山区基本无平缓区域,地貌纵横起伏、山路险峻、交错复杂、形状零碎不规则,因此,国土调查外业调查举证具有行车困难、人工成本高、作业效率低的特点。本文结合现有技术规范要求,基于无人机和地图开发库,设计出一套针对高原山区外业举证的软件,目的是尽可能用智能化和自动化的方式代替“少数路开车、多数路人走”的举证模式。实际应用表明,该方式可提高外业效率,方便内业数据修改,满足国土调查举证的工作要求。