新一代人工智能在矿山充填中的应用综述与展望

被引:35
作者
齐冲冲 [1 ]
杨星雨 [1 ]
李桂臣 [2 ]
陈秋松 [1 ]
孙元田 [2 ]
机构
[1] 中南大学资源与安全工程学院
[2] 中国矿业大学矿业工程学院
关键词
充填开采; 绿色矿山; 人工智能; 智能充填系统;
D O I
10.13225/j.cnki.jccs.xr20.1704
中图分类号
TD803 [地下开采]; TP18 [人工智能理论];
学科分类号
081901 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
随着我国浅部矿产资源日趋枯竭,深部资源开采成为矿业发展的必然,而充填采矿法是深部资源开采的主要采矿法之一。目前,充填采矿法的推广受限于充填成本高,如何提高充填设计效率,进而降低充填成本,是矿山充填推广的关键。随着人工智能(AI)技术的发展,以神经网络、决策树等为代表的智能算法正逐渐替代或辅助人类从事各种场景中的简单或复杂工作,推动传统工业领域的跨越式发展。矿业作为传统行业的支柱产业之一,也立足自身发展需要,结合新一代人工智能方法,展开了面向智能化革新的进程。笔者从矿山充填中的人工智能方法出发,简要介绍了人工智能的基本概念及常用的人工智能方法(包括人工神经网络、决策树、随机森林与梯度提升树、支持向量机及非监督式学习方法等)。讨论了人工智能方法在矿山充填中的应用难点,系统分析了新一代人工智能在全尾砂絮凝沉降、充填配比、充填料浆流变及管道输送、充填集成设计及多目标优化等方面的最新研究进展。同时,展望了新一代人工智能在矿山充填中的发展方向(包括性能提升、小数据集问题及应用思路扩展),并提出了智能充填系统的构想。新一代人工智能方法在矿山充填中的发展及应用对实现充填设计的绿色化、智能化和高效化,促进充填技术推广和资源生态协调开采具有重要意义。
引用
收藏
页码:688 / 700
页数:13
相关论文
共 79 条
[1]  
基于聚类分析的我国铁矿资源勘查开发基地划分研究.[D].马吉宇.中国地质大学(北京).2015, 01
[2]  
深部开采充填体稳定性及与岩体智能匹配研究.[D].周士霖.中南大学.2012, 02
[3]  
基于聚类的煤岩分界图像识别技术研究.[D].黄韶杰.中国矿业大学(北京).2016, 07
[4]   Development of an Ensemble Intelligent Model for Assessing the Strength of Cemented Paste Backfill [J].
Sun, Yuantian ;
Li, Guichen ;
Zhang, Junfei ;
Sun, Junbo ;
Xu, Jiahui .
ADVANCES IN CIVIL ENGINEERING, 2020, 2020
[5]  
Integrated and intelligent design framework for cemented paste backfill: A combination of robust machine learning modelling and multi-objective optimization.[J].Chongchong Qi;Qiusong Chen;S. Sonny Kim.Minerals Engineering.2020,
[6]  
Flocculation-dewatering prediction of fine mineral tailings using a hybrid machine learning approach.[J].Chongchong Qi;Hai-Bang Ly;Qiusong Chen;Tien-Thinh Le;Vuong Minh Le;Binh Thai Pham.Chemosphere.2020, C
[7]  
Developing a hybrid model of salp swarm algorithm-based support vector machine to predict the strength of fiber-reinforced cemented paste backfill.[J].Enming Li;Jian Zhou;Xiuzhi Shi;Danial Jahed Armaghani;Zhi Yu;Xin Chen;Peisheng Huang.Engineering with Computers.2020, 4
[8]  
Pressure drops of fresh cemented paste backfills through coupled test loop experiments and machine learning techniques.[J].Chongchong Qi;Qiusong Chen;Xiangjian Dong;Qinli Zhang;Zaher Mundher Yaseen.Powder Technology.2020,
[9]  
A Paste Slurry Mass Prediction Numerical Model for Backfilling Coal Mining.[J].W. Lv;X. Du;K. Guo.Revista Internacional de Métodos Numéricos para Cálculo y Diseño en Ingeniería.2020,
[10]  
A Hybrid Artificial Intelligence Model for Predicting the Strength of Foam-Cemented Paste Backfill.[J].Jingping Qiu;Zhenbang Guo;Long Li;Shiyu Zhang;Yingliang Zhao;Zhengyu Ma.IEEE Access.2020,