煤炭学报

作者：王德玉, 朱德福, 于彪彪, 王沉,

关键词：参数化建模, 数值模拟, 机器学习, 缓倾斜矿柱, 强度预测模型,

矿柱强度具有显著的倾角效应，准确预测倾斜矿柱的强度是保障倾斜矿体地下采场安全的关键。为准确预测缓倾斜矿柱强度，融合运用参数化建模的灵活交互性、数值模拟的样本数据强扩展性与机器学习方法的数据驱动优势，建立缓倾斜矿柱强度预测模型。基于Rhino中Grasshopper平台编制缓倾斜矿柱参数化建模程序，结合某铝土矿裂隙产状参数构建了200组黏合块体−离散裂隙网络(BBM-DFN)矿柱数值模型。采用FLAC3D-3DEC耦合模拟方法，依据试错法标定后的岩块与节理参数，开展了缓倾斜矿柱承载特性试验，监测并建立了机器学习缓倾斜矿柱强度数据集，且验证了此数据集的可靠性。分别以支持向量机(SVM)、极限学习机(ELM)、轻量梯度提升机(LightGBM)构建了缓倾斜矿柱强度预测模型，利用遗传编程(GP)和改进的量子粒子群算法(IQPSO)2种优化算法进一步提高模型性能，建立了缓倾斜矿柱强度与其影响因子之间的非线性映射关系。结果表明：矿体倾角对矿柱强度影响显著，同一尺寸矿柱随倾角的增加其强度显著下降，而不同宽高比矿柱的影响规律存在差异；当宽高比小于1时，矿柱影响因子敏感性主次顺序为：倾角 > 高度 > 宽度；当宽高比大于1时，其影响因子敏感性主次顺序为：宽度 > 倾角 > 高度；交叉验证了SVM模型是缓倾斜矿柱强度预测的最佳模型(R2=0.921；REVS=0.926；RMAE=1.225；RMSE=2.367)，结合GP与IQPSO算法优化后模型预测性能得到了进一步提升(R2=0.976；REVS=0.977；RMAE=0.465；RMSE=0.862)。采用GP的符号回归方法得到了缓倾斜铝土矿柱强度表达式，对比经典矿柱强度理论验证了模型的准确性，拓新了倾斜矿柱强度的预测思路。

来源：2025年第3期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2025年第3期