正交试验协同BP神经网络充填材料配比及强度预测研究
王海波，虞晓婧，崔 宁，等
北京都市绿源环保科技有限公司
Prediction of filling material ratio and strength by orthogonal test and BP neural network
WANG Haibo, et al.
摘要 为了制备满足一般矿山要求的固废充填胶凝材料，准确预测充填体强度，本文以矿渣、钢渣、脱硫石膏等固体废弃物为主要原材料，通过正交试验确定充填胶凝材料配比，以正交试验结果为基础建立了BP神经网络强度预测模型。结果表明，当胶凝材料配比为矿粉61%、钢渣15%、脱硫石膏20%、熟料2%和AA料2%时，对应充填体具有最优强度，3 d、7 d和28 d抗压强度分别为1.01 MPa、2.42 MPa和3.85 MPa；极差和方差分析结果表明，对3 d、7 d抗压强度影响最大的因素为石膏掺量，对28 d抗压强度影响最大的因素为熟料掺量。微观分析表明，胶凝材料水化产物主要为AFt和C-（A）-S-H凝胶，两者相互交织、穿插在一起，为硬化浆体提供强度。BP神经网络模型对正交试验最优配比28 d强度的预测结果为3.68 MPa，与实测结果相对误差4.4%，该模型可以准确预测固废充填体的抗压强度，为固废充填胶凝材料制备充填体的强度预测提供了新方法。
关键词 ：
矿山充填材料 ,
固体废弃物 ,
正交试验 ,
BP神经网络 ,
强度预测
出版日期: 2025-04-29
[1]
刘泽宇, 王晓鹏, 许世培, 王 彬, 师刚领, 王志宇, 万 凯. 高流态砂浆配合比的技术研究与应用
[2]
梁潇潇, 刘朝勇, 李昕科, 杨值宾, 孙晋睿, 熊惠明, 刘爱平, 王维清. 钢渣基三元混凝土的制备及性能研究
[3]
黄 雄, 姚丕强, 杜 鑫, 等. 基于MLP神经网络的水泥分别粉磨强度预测模型与分析
[4]
张信璘, 郭捷楠, 沈 雪, 杨本杰. 遗传算法优化BP神经网络的水泥窑温度预测模型研究
[5]
周剑波, 李 彬. 浅析一种基于深度学习的自动质量控制方法
[6]
杜文秀, 刘晓东. 水泥出厂质量智能搭配出库系统的策划
[7]
王秀龙,白波,王伟. 正交设计在预分解窑用矿化剂性能评价中的应用
2025, Vol. 0 
