金属矿山

作者：王小平冯亮胡亚飞

单位：1. 金川集团镍钴股份有限公司三矿区,甘肃金昌737100;2. 北京科技大学资源与安全工程学院,北京100083

关键词：固体废物, 地下支护, 湿喷混凝土, 机器学习, 配合比设计 ,

基金：国家自然科学基金项目(编号:52374115,52204134)。

针对中国西北地区某镍矿的固体废物资源化利用难题,以废石和戈壁砂为复合骨料,协同利用钢渣、高炉矿渣及脱硫石膏等工业固体废物制备胶凝材料,研发了适用于地下岩体支护的固体废物基湿喷混凝土( SolidWasteBasedWetShotcrete,SWC)。 采用响应面法进行试验方案设计,系统揭示了不同因素对 SWC 力学性能的影响规律,并借助多种微观表征方法揭示了 SWC 的力学性能形成机制。 同时,通过机器学习算法建立了 SWC 配合比智能优化模型。 结果表明:SWC 抗压强度随钢渣掺量增加呈先增大后减小的趋势(钢渣掺量为 30%时抗压强度达到最大 35. 2MPa),胶砂比与抗压强度呈正相关关系,戈壁砂占比则与抗压强度呈负相关关系。 微观机理研究表明,戈壁砂占比会影响骨料堆积体系的孔隙结构(戈壁砂占比为 0. 4 时骨料堆积密实度最大),钢渣掺量则调控胶凝体系的水化反应进程,二者均通过改变材料密实度影响 SWC 的力学性能。 建模结果显示,通过哈里斯鹰算法(HarrisHawksOptimization,HHO)对支持向量回归(SupportVectorRegression,SVR) 模型进行参数寻优,显著提升了预测精度( R2> 0. 99,RMSE<0. 20,VAF>99. 80),结合遗传算法(GeneticAlgorithm,GA)构建的 HHO-SVR-GA 智能模型实现了 SWC 配合比的精确设计(误差低于 5%)。

来源：2025年第7期

《金属矿山》期刊编辑部

查看金属矿山杂志2025年第7期